一、前言
分类:动态规划。
问题来源LeetCode 887 难度:困难。
问题链接:https://leetcode-cn.com/problems/edit-distance/
二、题目
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')
三、思路
动态规划解决本题。
我们可以对任意一个单词进行三种操作:
- 插入一个字符;
- 删除一个字符;
- 替换一个字符。
题目给定了两个单词,设为 A 和 B,这样我们就能够六种操作方法。对一个字符串删除一个字符和对另一个字符串插入一个字符效果是一样的。本质不同的操作实际上只有三种:
- 在单词 A 中插入一个字符;
- 在单词 B 中插入一个字符;
- 修改单词 A 的一个字符。
dp[i][j] 代表 word1 到 i 位置转换成 word2 到 j 位置需要最少步数所以,
- 当 word1[i] == word2[j],dp[i][j] = dp[i-1][j-1];
- 当 word1[i] != word2[j],dp[i][j] = min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1;
复杂度分析:
- 时间复杂度 :O(mn),其中 m 为 word1 的长度,n 为 word2 的长度。
- 空间复杂度 :O(mn),我们需要大小为 O(mn)的 D 数组来记录状态值。
word1 = ros,word2 = horse 为例,db数组如下图:
四、总结
多理解递推公式和递推公式怎样获取。
五、编码实现
//==========================================================================
/*
* @file : 72_MinDistance.h
* @blogs : https://blog.csdn.net/nie2314550441/article/details/107267809
* @author : niebingyu
* @date : 2020/07/10
* @title : 72编辑距离
* @purpose : 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:
* 1.插入一个字符
* 2.删除一个字符
* 3.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')
*
*
* 来源:力扣(LeetCode)
* 难度:困难
* 链接:https://leetcode-cn.com/problems/edit-distance
*/
//==========================================================================
#pragma once
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
#define NAMESPACE_MINDISTANCE namespace NAME_MINDISTANCE {
#define NAMESPACE_MINDISTANCEEND }
NAMESPACE_MINDISTANCE
// 动态规划
//当 word1[i] == word2[j],dp[i][j] = dp[i - 1][j - 1];
//当 word1[i] != word2[j],dp[i][j] = min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]) + 1;
class Solution {
public:
int minDistance(string word1, string word2)
{
vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
for (int i = 0; i < dp.size(); i++) dp[i][0] = i;
for (int j = 0; j < dp[0].size(); j++) dp[0][j] = j;
for (int i = 1; i < dp.size(); i++)
{
for (int j = 1; j < dp[i].size(); j++)
{
dp[i][j] = min(dp[i - 1][j - 1], min(dp[i - 1][j], dp[i][j - 1])) + 1;
if (word1[i - 1] == word2[j - 1])
dp[i][j] = min(dp[i][j], dp[i - 1][j - 1]);
}
}
return dp.back().back();
}
};
以下为测试代码//
// 测试 用例 START
void test(const char* testName, string word1, string word2, int expect)
{
Solution s;
int result = s.minDistance(word1, word2);
if (expect == result)
cout << testName << ", solution passed." << endl;
else
cout << testName << ", solution failed." << endl;
}
// 测试用例
void Test1()
{
string word1 = "ros";
string word2 = "horse";
int expect = 3;
test("Test1()", word1, word2, expect);
}
NAMESPACE_MINDISTANCEEND
// 测试 用例 END
//
void MinDistance_Test()
{
NAME_MINDISTANCE::Test1();
}
执行结果: