Day48- 动态规划part16

一、两个字符串的删除操作

题目一：583. 两个字符串的删除操作

583. 两个字符串的删除操作

给定两个单词 word1 和 word2 ，返回使得 word1 和  word2 相同所需的最小步数。

每步 可以删除任意一个字符串中的一个字符。

这个问题实际上是求两个字符串的最长公共子序列（LCS）的长度的变种。一旦找到了最长公共子序列的长度，通过删除两个字符串中不在LCS中的所有字符来使它们相同。因此，所需的最小删除步数就是两个字符串的长度之和减去两倍的LCS长度。

1. 初始化一个二维数组 dp，其中 dp[i][j] 表示 word1 的前 i 个字符和 word2 的前 j 个字符的最长公共子序列的长度。数组的大小为 (len(word1) + 1) x (len(word2) + 1)，加 1 是因为从空字符串开始考虑。

2. 遍历 word1 和 word2，更新 dp 数组。如果 word1[i-1] == word2[j-1]，则 dp[i][j] = dp[i-1][j-1] + 1；否则，dp[i][j] = max(dp[i-1][j], dp[i][j-1])。

3. 最长公共子序列的长度为 dp[len(word1)][len(word2)]。所需的最小删除步数为 len(word1) + len(word2) - 2 * dp[len(word1)][len(word2)]。

class Solution {
public:
    int minDistance(string word1, string word2) {
        int m = word1.size(), n = word2.size();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));

        for (int i = 1; i <= m; ++i) {
            for (int j = 1; j <= n; ++j) {
                if (word1[i-1] == word2[j-1]) {
                    dp[i][j] = dp[i-1][j-1] + 1;
                } else {
                    dp[i][j] = max(dp[i-1][j], dp[i][j-1]);
                }
            }
        }

        return m + n - 2 * dp[m][n];
    }
};

二、编辑距离

题目一：72. 编辑距离

72. 编辑距离

给你两个单词 word1 和 word2， 请返回将 word1 转换成 word2 所使用的最少操作数  。

你可以对一个单词进行如下三种操作：

• 插入一个字符
• 删除一个字符
• 替换一个字符

计算将一个字符串转换为另一个字符串的最少操作数，这些操作包括插入、删除和替换字符。

定义一个二维数组 dp，其中 dp[i][j] 表示从 word1 的前 i 个字符转换到 word2 的前 j 个字符所需的最少操作数。

以下是解决这个问题的步骤：

1. 初始化一个二维数组 dp 的大小为 (len(word1) + 1) x (len(word2) + 1)。dp[0][j] 表示从空字符串转换到 word2 的前 j 个字符所需的最少操作数，即 j（全部插入操作）。类似地，dp[i][0] 表示从 word1 的前 i 个字符转换到空字符串所需的最少操作数，即 i（全部删除操作）。

2. 遍历 word1 和 word2，更新 dp 数组。对于每对 (i, j)，如果 word1[i-1] == word2[j-1]，则 dp[i][j] = dp[i-1][j-1]；否则，dp[i][j] 是以下三种操作的最小值加一：

   • 插入：dp[i][j-1] + 1
   • 删除：dp[i-1][j] + 1
   • 替换：dp[i-1][j-1] + 1

3. dp[len(word1)][len(word2)] 就是将 word1 转换为 word2 所需的最少操作数。

class Solution {
public:
    int minDistance(string word1, string word2) {
        int m = word1.length(), n = word2.length();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1));
        for (int i = 0; i <= m; i++) {
            dp[i][0] = i;
        }
        for (int j = 0; j <= n; j++) {
            dp[0][j] = j;
        }

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

        return dp[m][n];
    }
};