递归与动态规划---最小编辑代价

最新推荐文章于 2021-06-24 21:35:47 发布

wenbin1996

最新推荐文章于 2021-06-24 21:35:47 发布

阅读量1.5k

点赞数 2

分类专栏：数据结构与算法文章标签：动态规划 python 递归

本文链接：https://blog.csdn.net/qq_34342154/article/details/77151939

版权

数据结构与算法专栏收录该内容

168 篇文章 9 订阅

订阅专栏

该博客探讨了如何通过动态规划算法来求解最小编辑代价问题，即计算将字符串str1转换为str2所需的最低成本。文章通过举例解释了问题背景，明确了插入、删除和替换字符的代价，并详细描述了动态规划的解决方案，包括构造(N+1)×(M+1)的矩阵dp来存储状态转移的过程。最后，提供了Python3.5的代码实现。

摘要由CSDN通过智能技术生成

【题目】

　　给定两个字符str1和str2，再给定三个整数ic，dc，rc，分别代表插入，删除和替换一个字符的代价，返回将str1编辑成str2的最小代价。

【举例】

　　str1 = “abc”，str2 = “adc”，ic = 5，dc = 3，rc = 100。
　　从str1编辑到str2，先删除’b’，然后插入’d’是代价最小的，所以返回8。

【基本思路】

　　如果str1的长度为N，str2的长度为M，生成(N+1)×(M+1)的矩阵dp，为什么N+1,M+1，因为我们需要在字符串的开头添加一个空字符的特殊情况，dp[i][j]的值代表str1[0…i-1]编辑成str2[0…j-1]的最小代价。dp的计算如下：

矩阵的第一行表示空字符编辑成str2[0…j-1]所需要的最小代价，当然只需要插入操作即可，所以dp[0][j] = ic * j。
矩阵的第一列表示str1[0…i-1]编辑成空字符所需要的最小代价，当然只需要删除操作即可，所以dp[i][0] = dc * i。
矩阵的其他位置来自以下的三种情况：dp[i-1][j]+dc，dp[i][j-1]+ic，(dp[i-1][j-1] or dp[i-1][j-1]+rc)。
1）dp[i-1][j] + dc，表示先删除str1[i-1]，然后将str1[0…i-2]编辑成str2[0…j-1]

2）dp[i][j-1] + ic，表示将str1[i-1]编辑成str2[0…j-2]，然后再插入str2[j-1]

3）dp[i-1][j-1] or dp[i-1][j-1]+rc，表示如果str1[i-1] != str2[j-1]，则先将str1[0…i-2]编辑成str2[0…j-2]再将str1[i-1]替换成str2[j-1]，如果str1[i-1] == str2[j-1]，则将str1[0…i-2]编辑成str2[0…j-2]后就不需要进行替换了。

下面是用python3.5实现的代码

#最小编辑代价
#经典动态规划方法。时间复杂度O(M*N),空间复杂度O(M*N)
def minCoin(str1, str2, ic, dc, rc):
    if str1 == None or str2 == None:
        return 0
    row = len(str1) + 1
    col = len(str2) + 1
    dp = [[0 for i in range(col)] for j in range(row)]
    for i in range(row):
        dp[i][0] = i * dc
    for j in range(col):
        dp[0][j] = j * ic
    for i in range(1, row):
        for j in range(1, col):
            if str1[i-1] == str2[j-1]:
                dp[i][j] = dp[i-1][j-1]
            else:
                dp[i][j] = dp[i-1][j-1] + rc
            dp[i][j] = min(dp[i][j], dp[i][j-1] + ic)
            dp[i][j] = min(dp[i][j], dp[i-1][j] + dc)
    return dp[-1][-1]

#动态规划+空间压缩。时间复杂度O(M*N)，空间复杂度O(min{M,N})
def minCoin2(str1, str2, ic, dc, rc):
    if str1 == None or str2 == None:
        return 0
    longs = str1 if len(str1) >= len(str2) else str2
    shorts = str1 if len(str1) < len(str2) else str2
    if longs == str2:
        ic, dc = dc, ic
    dp = [0 for i in range(len(shorts)+1)]
    for i in range(len(dp)):
        dp[i] = ic * i
    for i in range(1, len(longs)+1):
        leftUp = dp[0]
        dp[0] = i * dc
        for j in range(1, len(shorts)+1):
            up = dp[j]
            if longs[i-1] == shorts[j-1]:
                dp[j] = leftUp
            else:
                dp[j] = leftUp + rc
            dp[j] = min(dp[j], up+dc)
            dp[j] = min(dp[j], dp[j-1]+ic)
            leftUp = up
    return dp[-1]