算法训练day53-动态规划-两个字符串的删除操作、编辑距离

最新推荐文章于 2024-05-01 19:17:00 发布

逻各斯与努斯

最新推荐文章于 2024-05-01 19:17:00 发布

阅读量111

点赞数

分类专栏：数据结构与算法文章标签： java 算法动态规划 Powered by 金山文档

原文链接：https://programmercarl.com/0583.%E4%B8%A4%E4%B8%AA%E5%AD%97%E7%AC%A6%E4%B8%B2%E7%9A%84%E5%88%A0%E9%99%A4%E6%93%8D%E4%BD%9C.html

版权

数据结构与算法专栏收录该内容

49 篇文章 0 订阅

订阅专栏

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。

示例 1：

输入: word1 = "sea", word2 = "eat"

输出: 2

解释: 第一步将 "sea" 变为 "ea" ，第二步将 "eat "变为 "ea"

解题思路

仍然按照动态规划的分析步骤：

确定dp数组及下标含义

dp[i][j] : 表示word1以i-1结尾的字符串，和word2以j-1结尾的字符串相同所需的最小步数为dp[i][j].

确定递推公式

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

当word1[i-1]!=word2[j-1]时

情况一：删word1,dp[i][j] = dp[i-1][j] +1 ;

情况二：删word2,dp[i][j] = dp[i][j-1] +1;

情况三：同时删，dp[i][j] = dp[i-1][j-1] +1;

综上：dp[i][j] = min({dp[i - 1][j - 1] + 2, dp[i - 1][j] + 1, dp[i][j - 1] + 1});

初始化

根据dp定义和递推公式可知

dp[i][0] = i

dp[0][j] = j

遍历顺序

从上到下，从左到右

代码示例-java

class Solution {
    public int minDistance(String word1, String word2) {
       //定义dp数组
       int[][] dp = new int[word1.length()+1][word2.length()+1];
       //初始化
       for(int i=0;i<=word1.length();i++){
          dp[i][0] = i;
       }
       for(int j=0;j<=word2.length();j++){
          dp[0][j] = j;
       }
       // 遍历
       for(int i=1;i<word1.length()+1;i++){
           for(int j=1;j<word2.length()+1;j++){
              if(word1.charAt(i-1)==word2.charAt(j-1)){
                  dp[i][j] = dp[i-1][j-1];
              }else{
                  dp[i][j] = Math.min(dp[i-1][j]+1,dp[i][j-1]+1);
              }
           }
       }
       return dp[word1.length()][word2.length()];
    }
}

72. 编辑距离

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

解题思路

动态规划分析法：

确定dp数组下标及含义

dp[i][j]: 表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]。

确定递推公式

当word1[i-1] == word2[j-1]时: dp[i][j] = dp[i-1][j-1]

当word1[i-1]!=word2[j-1]时：

情况一：删word1,dp[i][j] = dp[i-1][j] +1 ;

情况二：删word2,dp[i][j] = dp[i][j-1] +1 ;

以上两种情况其实包含了添加元素，删除word2=给word1添加元素，反之也成立。

情况三：替换元素，dp[i][j] = dp[i-1][j-1] +1 ;

综上：dp[i][j] = min(dp[i-1][j]+1,dp[i][j-1]+1,dp[i-1][j-1]+1);

初始化

dp[i][0] = i;（表示对于空字符串word2，要对word1删除i个元素才能相等）

dp[0][j] = j; (表示对于字符串word2，要对word1添加j个元素才能相等)

遍历顺序

从左到右，从上到下

代码示例-java

class Solution {
    public int minDistance(String word1, String word2) {
       //定义dp数组
       int[][] dp = new int[word1.length()+1][word2.length()+1];
       //初始化
       for(int i=0;i<=word1.length();i++){
          dp[i][0] = i;
       }
       for(int j=0;j<=word2.length();j++){
          dp[0][j] = j;
       }
       // 遍历
       for(int i=1;i<word1.length()+1;i++){
           for(int j=1;j<word2.length()+1;j++){
              if(word1.charAt(i-1)==word2.charAt(j-1)){
                  dp[i][j] = dp[i-1][j-1];
              }else{
                  dp[i][j] = Math.min(dp[i-1][j-1]+1,Math.min(dp[i-1][j]+1,dp[i][j-1]+1));
              }
           }
       }
       return dp[word1.length()][word2.length()];
    }
}