代码随想录刷题|LeetCode 583. 两个字符串的删除操作 72. 编辑距离编辑距离总结篇

最新推荐文章于 2024-11-01 15:19:21 发布

symdunstaz

最新推荐文章于 2024-11-01 15:19:21 发布

阅读量376

点赞数

分类专栏： LeetCode学习笔记文章标签： leetcode 算法动态规划 java

本文链接：https://blog.csdn.net/m0_62575233/article/details/128201157

版权

LeetCode学习笔记专栏收录该内容

61 篇文章 0 订阅

订阅专栏

583. 两个字符串的删除操作

题目链接：力扣

思路

做动态规划就是要一直想着dp数组是什么含义

1、确定dp数组的含义

dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2，想要达到相等，所需要删除元素的最少次数

2、确定递推公式

有两种情况：

当word1[i - 1] 与 word2[j - 1]相同的时候
- dp[i][j] = dp[i - 1][j - 1];
当word1[i - 1] 与 word2[j - 1]不相同的时候
- 这里面有三种情况：
  - 删word1[i - 1]，最少操作次数为dp[i - 1][j] + 1
  - 删word2[j - 1]，最少操作次数为dp[i][j - 1] + 1
  - 同时删word1[i - 1]和word2[j - 1]，操作的最少次数为dp[i - 1][j - 1] + 2

3、初始化dp数组

从递推公式中，可以看出来，dp[i][0] 和 dp[0][j]是一定要初始化的

dp[i][0]：word2为空字符串，以i-1为结尾的字符串word1要删除多少个元素，才能和word2相同呢，所以dp[i][0] = i

dp[0][j]：word1为空字符串，以i-1为结尾的字符串word2要删除多少个元素，才能和word1相同呢，所以dp[0][j] = j

4、遍历顺序

从前向后，从上到下

两个字符串的删除操作

class Solution {
    public int minDistance(String word1, String word2) {

        int word1len = word1.length();
        int word2len = word2.length();

        // 创建dp数组
        int[][] dp = new int[word1len + 1][word2len + 1];

        // 初始化dp数组
        for (int i = 0; i < word1len + 1; i++) {
            dp[i][0] = i;
        }
        for (int j = 0; j < word2len + 1; j++) {
            dp[0][j] = j;
        }

        // 推导dp数组
        for (int i = 1; i < word1len + 1; i++) {
            for (int j = 1; j < word2len + 1; j++) {
                if (word1.charAt(i-1) == word2.charAt(j-1)) {
                    dp[i][j] = dp[i-1][j-1];
                } else {
                    dp[i][j] = Math.min(dp[i-1][j]+1,dp[i][j-1]+1);
                }
            }
        }

        return dp[word1len][word2len];
    }
}

72. 编辑距离

题目链接：力扣

思路

1、确定dp数组的含义

dp[i][j] 表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]

2、确定递推公式

if (word1[i - 1] == word2[j - 1])
    不操作
if (word1[i - 1] != word2[j - 1])
    增
    删
    换

if (word1[i - 1] == word2[j - 1]) {
    dp[i][j] = dp[i - 1][j - 1];
}
else {
    dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
}

3、初始化dp数组

dp[i][0] ：以下标i-1为结尾的字符串word1，和空字符串word2，最近编辑距离为dp[i][0]。那么dp[i][0]就应该是i

dp[0][j]：以下标j-1为结尾的字符串word2，和空字符串word1，最近编辑距离为dp[0][j]。那么dp[0][j]就应该是j

4、遍历顺序

从前向后，从上到下

编辑距离

class Solution {
    public int minDistance(String word1, String word2) {
        int m = word1.length();
        int n = word2.length();

        // 创建dp数组
        int[][] dp = new int[m+1][n+1];

        // 初始化dp数组
        for (int i = 1; i <= m; i++) {
            dp[i][0] = i;
        }
        for (int i = 1; i <= n; i++) {
            dp[0][i] = i;
        }

        // 推导dp数组
        for (int i = 1; i <= m; i++) {
            for (int j = 1; j <= n; j++) {
                int left = dp[i][j-1] + 1;
                int mid = dp[i-1][j-1];
                int right = dp[i-1][j] + 1;
                if (word1.charAt(i-1) != word2.charAt(j-1)) {
                    mid++;
                }
                dp[i][j] = Math.min(left,Math.min(mid,right));
            }
        }

        return dp[m][n];
    }

}

编辑距离总结篇

什么是编辑距离

编辑距离，又称Levenshtein距离（莱文斯坦距离也叫做Edit Distance），是指两个字串之间，由一个转成另一个所需的最少编辑操作次数，如果它们的距离越大，说明它们越是不同。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符
可以用来做DNA分析，拼字检测，抄袭识别等等。总是比较相似的，或多或少我们可以考虑编辑距离
重点：编辑操作只有三种。插入，删除，替换这三种操作