LeetCode 72. 编辑距离

描述

给你两个单词 word1 和 word2，请你计算出将 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

示例 1：
输入：word1 = “horse”, word2 = “ros”
输出：3
解释：
horse -> rorse (将 ‘h’ 替换为 ‘r’)
rorse -> rose (删除 ‘r’)
rose -> ros (删除 ‘e’)

示例 2：
输入：word1 = “intention”, word2 = “execution”
输出：5
解释：
intention -> inention (删除 ‘t’)
inention -> enention (将 ‘i’ 替换为 ‘e’)
enention -> exention (将 ‘n’ 替换为 ‘x’)
exention -> exection (将 ‘n’ 替换为 ‘c’)
exection -> execution (插入 ‘u’)

提示：
0 <= word1.length, word2.length <= 500
word1 和 word2 由小写英文字母组成

思路

这是动态规划中难度比较大的题了。从word1变到word2和word2变到word1是一样的（后者是前者的逆过程）。dp数组的定义都比较难想到，状态转移方程就更不必说了。既然要从word1变到word2，参考前面的最长公共子序列问题，用动态规划的思想来考虑，肯定是从word1的前0个字符开始，一直考虑到前n个字符（m为word1总长度），对照着word2中的前0个字符到前n个字符（n为word2的总长度），利用状态转移方程，每一次遍历都进行最优选择。

那么，dp数组的含义差不多就能想到了：dp[i][j]就代表word1的前i个字符转换到word的前j个字符所需要的最小编辑距离。

初始值：因为从word1的前0个字符->word2的前j个字符 需要j步，所以dp[0][j] = j；同理，从word1的前i个字符->word2的前0个字符 需要i步，dp[i][0] = i。

状态转移方程：

dp[i][j]取决于什么呢？（1）当word1[i - 1]和word2[j - 1](字符串索引从0开始，所以是i - 1和j - 1)相等时，那么就不需要进行任何操作，什么也不做一定是当前的最优解，因为其他3种操作都会增加编辑距离。dp[i][j] = dp[i - 1][j - 1]，即继承前i -1、j - 1个字符的最小编辑距离。（2）如果word1[i - 1]和word2[j - 1]不相等，那么就需要考虑题设的三种操作了：插入、删除、替换。应该进行哪种操作取决于谁呢？

• 删除：如果从word1的前i-1个字符变到word2的前j个字符需要k步，那么从word1的前i个字符变到word2的前j个字符只需要将word1[i - 1]删除即可。即dp[i][j] = dp[i - 1][j] + 1
• 插入：如果从word1的前i个字符变到word2的前j-1个字符需要k步，那么从word1的前i个字符变到word2的前j个字符只需要在word1后面插入word[j - 1]的值即可。即dp[i][j] = dp[i ][j - 1] + 1
• 替换：如果从word1的前i - 1个字符到word2的前j -1个字符需要k步，那么从word1的前i个字符变到word2的前j个字符只需要将word[i - 1]替换为word[j - 1]即可。即dp[i][j] = dp[i - 1][j - 1] + 1。

这样状态转移方程就列完了，每次都在四种操作（第一种什么也不做也算一种操作）中抉择即可。

参考：来自LeetCode下的精选评论

解答

class Solution {
public:
    int minDistance(string word1, string word2) {
        int len1 = word1.length();
        int len2 = word2.length();
        //dp数组，定义为：word1的前i个字符->word2的前j个字符 最少需要多少步
        vector<vector<int> > dp(len1 + 1, vector(len2 + 1, 0));
        
        //初始值：
        //因为从word1的前0个字符->word2的前j个字符 需要j步，所以dp[0][j] = j
        //同理，从word1的前i个字符->word2的前0个字符 需要i步，dp[i][0] = i
        for(int i = 1;i <= len1; ++ i) dp[i][0] = i;
        for(int j = 1;j <= len2; ++ j) dp[0][j] = j;

        //状态转移方程
        for(int i = 1;i <= len1; ++ i)
            for(int j = 1;j <= len2; ++ 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], 
                            min(dp[i][j - 1], dp[i - 1][j - 1])) + 1;
    return dp[len1][len2];
    }
};