Leetcode 72. 编辑距离
标签: Leetcode
题目地址: https://leetcode-cn.com/problems/edit-distance/
题目描述
给定两个单词 word1 和 word2,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')
解题思路
刚开始拿到这个题目,其实毫无头绪,不知道从哪里下手,因为从一个字符串到另外一个字符串可能的情况太多了,所以不可能遍历一篇。
所以就使用了最后绝招google,发现大家是使用动态规划做的,我们考虑两个单词word1 word2
,用dp[i][j]
代表单词1中[0-i)
到单词2中[0-j)
中的距离()
代表不包含),所以现在关键在于确定递归式子,在初始情况下对与dp[i][0]
可以直接初始化为i
,因为只需要执行i次的删除操作即可,同样对于dp[0][j]
只需要初始化j
,对应执行j
次插入操作。
如果当前遍历到了dp[i][j]
那么需要考虑word1[i-1]和word2[j-1]
的关系,如果二者相等,那么毫无疑问dp[i][j] = dp[i-1][j-1]
因为不需要做多余的修改(这里之所以是用i-1
是因为0-i
是不包含i
的)。下面就可以考虑不等的情况了,如果不等,我们需要做的就是找到一种变换,能够使得距离最小,也就是从三种变换中取最小的那个操作,对于插入操作我们其实是在原有的基础上dp[i][j-1]
增加一个操作,之所以是dp[i][j-1]
是因为我们要在第一个单词后面插入一个任意的,所以我们先看第一个单词中[0-i)到第二个单词的[0-j-1]需要的步数,然后+1(在i的位置插入一个word2[j-1])即可。同样的对于删除操作是在原有操作dp[i-1][j]
上面加1,替换是在dp[i-1][j-1]
上面加1,所以最后dp[i][j] = min(dp[i][j-1] + 1,dp[i-1][j] +1,dp[i-1][j-1] + 1)
。
python代码
class Solution(object):
def minDistance(self, word1, word2):
"""
:type word1: str
:type word2: str
:rtype: int
"""
rows,cols = len(word1),len(word2)
# dp[i][j]代表第一个串的[0:i]到第二个串的[0:j]的距离(不包括i和j)
dp = [[0]* (cols+1) for _ in range((rows+1))] # 避免两个空串
# dp[0][j] = j以及dp[i][0] = i因为有个串是空串另个串需要对应长度的删除变化才能变为空串
i,j = 0,0
for i in range(1,rows+1):
dp[i][0] = i
for j in range(1,cols+1):
dp[0][j] = j
for i in range(1,rows+1):
for j in range(1,cols+1):
if word1[i-1] == word2[j-1]:dp[i][j] = dp[i-1][j-1]
# 分三种情况取最小的 插入 dp[i][j-1] + 1 删除dp[i-1][j] +1 替换 dp[i-1][j-1] + 1
else:dp[i][j] = min(dp[i][j-1] + 1,dp[i-1][j] +1,dp[i-1][j-1] + 1)
return dp[i][j]
参考:
https://blog.csdn.net/Koala_Tree/article/details/80074722
欢迎大家关注我的微信公众号,未来上面会推送python
机器学习
算法学习
深度学习
论文阅读
以及偶尔的小鸡汤
等内容。ようこそいらっしゃい!