leetcode 72. Edit Distance

问题描述

Given two words word1 and word2, find the minimum number of operations required to convert word1 to word2.

You have the following 3 operations permitted on a word:

  1. Insert a character
  2. Delete a character
  3. Replace a character

Example 1:

Input: word1 = "horse", word2 = "ros"
Output: 3
Explanation: 
horse -> rorse (replace 'h' with 'r')
rorse -> rose (remove 'r')
rose -> ros (remove 'e')

分析

用动态规划求解

dp(i,j)表示对于word1前i个字符和word2前j个字符,需要的最少操作次数。

当word1[i-1]==word2[j-1],dp(i,j)=dp(i-1,j-1)

当word1[i-1]!=word2[j-1],就要根据操作的不同分情况求解,取三者之间的最小值。

注意:这里是 word1[i-1]和word2[j-1] 的比较,而不是word1[i],word2[j]。在提交代码的时候我就是没搞清楚这里的对应的关系,报错了。dp[0][0]两个空字符串的距离,肯定为0。dp的维度为len1+1,len2+1。

当选择替换操作时,word1[i]=word2[j],dp(i,j)=dp(i-1,j-1)+1

当选择删除操作时,dp(i,j)=dp(i-1,j)+1

当选择插入操作时,word1[i]=word2[j],word1[i+1]=word1[i]....;dp(i,j)=dp(i,j-1)+1

对于我来说,第三个不好想。插入这个操作会使word1的长度增加,但是在处理时,可以想成插入的那个字符和word2[j]由于相同会被抵消掉。

举例:

horse 和hos

dp[3,3]是在计算hor和hos的距离

如果选择插入,则变成ho(s)r和hos,注意此时r依然是第一个词的第三个字符,总距离也就是hor和ho的距离dp(i,j-1)加1

同理,如果选择删除,则变成ho和hos,总距离就是ho和hos的距离dp(i-1,j)加1

最后考虑一下边界和初始条件:

当第一个字符串为空时,第二个字符串长度为几,就要进行几个插入操作。

当第二个字符串为空时,第一个字符串长度为几,就要进行几个删除操作。

初始条件和边界很类似。

代码

class Solution {
public:
    int minDistance(string word1, string word2) {
        int len1=word1.length();
        int len2=word2.length();
        if(len1<=0)
            return len2;
        if(len2<=0)
            return len1;
        int dp[len1+1][len2+1];
        for(int i=0;i<=len1;i++)
        {
            dp[i][0]=i;
        }
        for(int j=1;j<=len2;j++)
        {
            dp[0][j]=j;
        }
        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(min(dp[i][j-1],dp[i-1][j]),dp[i-1][j-1])+1;
            }
        return dp[len1][len2];
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值