leetcode — 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

---

 编辑距离算法是用作机器翻译和语音识别评价标准的基本算法。

1、暴力枚举检查所有可能的编辑方法，取最短的一个。—— 所有可能的编辑方法达到指数级，并不需要进行这么多计算，只需要找到距离最短的序列而不是所有可能的序列。

2、动态规划

• 定义 dp[i][j]
  • dp[i][j] 代表 word1 中前 i 个字符，变换到 word2 中前 j 个字符，最短需要操作的次数；
  • 需要考虑 word1 或 word2 一个字母都没有，即全增加/删除的情况，预初始化 dp[0][j] 和 dp[i][0]
• 状态转移
  • 增加，dp[i][j] = dp[i][j - 1] + 1
  • 删除，dp[i][j] = dp[i - 1][j] + 1
  • 替换，dp[i][j] = dp[i - 1][j - 1] + 1
  • 按顺序计算，当计算 dp[i][j] 时，dp[i - 1][j] ， dp[i][j - 1] ， dp[i - 1][j - 1] 均已经确定了
  • 配合增删改这三种操作，需要对应的 dp 把操作次数加一，取三种操作的最小结果
  • 如果刚好这两个字母相同 word1[i-1] = word2[j-1] （元素下标超前一位），那么可以直接参考 dp[i - 1][j - 1] ，操作不用加一。

  • 对于边界情况，一个空串和一个非空串的编辑距离为 dp[i][0] = i 和 dp[0][j] = j，dp[i][0] 相当于对 word1 执行 i 次删除操作，dp[0][j] 相当于对 word1执行 j 次插入操作（相当于对word2执行 j 次删除操作）。

• 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 dp 数组来记录状态值。

1、如果 word1[0..i-1] 到 word2[0..j-1] 的变换需要消耗 k 步，那 word1[0..i] 到 word2[0..j] 的变换需要几步？

        先使用 k 步，把 word1[0..i-1] 变换到 word2[0..j-1]，消耗 k 步。再把 word1[i] 改成 word2[j]，就行了。如果 word1[i] == word2[j]，什么也不用做，一共消耗 k 步；否则需要替换，共消耗 k + 1 步。

2、如果 word1[0..i-1] 到 word2[0..j] 的变换需要消耗 k 步，那 word1[0..i] 到 word2[0..j] 的变换需要消耗几步？

        先经过 k 步，把 word1[0..i-1] 变换到 word2[0..j]，消耗掉 k 步，再把 word1[i] 删除，这样，word1[0..i] 就完全变成了 word2[0..j] ，共 k + 1 步。

3、如果 word1[0..i] 到 word2[0..j-1] 的变换需要消耗 k 步，那 word1[0..i] 到 word2[0..j] 的变换需要消耗几步？

        先经过 k 步，把 word1[0..i] 变换成 word2[0..j-1]，消耗掉 k 步，接下来，再插入一个字符 word2[j], word1[0..i] 就完全变成了 word2[0..j] 了。

总结：word1[0..i] 变换成 word2[0..j] 主要有三种方式，选择消耗最小的一种方式。

---

class Solution {
    public int minDistance(String word1, String word2) {
        int len_word1 = word1.length();
        int len_word2 = word2.length();

        // 建立动态规划的数组，预留为空字符串匹配时的结果
        int[][] dp = new int [len_word1+1][len_word2+1];

        for(int i = 0; i < dp.length; i ++){
            dp[i][0] = i;
        }
        for(int j = 0; j < dp[0].length; j ++){
            dp[0][j] = j;
        }

        for(int i = 1; i < dp.length; i ++){
            for(int j = 1; j < dp[0].length; j ++){
                // 此处注意下标，在建立dp数组时超前了一位
                if(word1.charAt(i-1) == word2.charAt(j-1)){
                    dp[i][j] = dp[i-1][j-1];
                }else{
                    dp[i][j] = Math.min(Math.min(dp[i-1][j], dp[i][j-1]), dp[i-1][j-1]) + 1;
                }
            }
        }

        return dp[len_word1][len_word2];
    }
}