描述:Levenshtein 距离,又称编辑距离,指的是两个字符串之间,由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。编辑距离的算法是首先由俄国科学家Levenshtein提出的,故又叫Levenshtein Distance。
字符串A:abc
字符串B: abcd
通过增加或是删掉字符”g”的方式达到目的。这两种方案都需要一次操作。把这个操作所需要的次数定义为两个字符串的距离。
要求:给定任意两个字符串,写出一个算法计算它们的编辑距离。如上方A到B/B到A的距离为1。
思路:典型的动态规划思路。
一般多重决策最优解的问题都可以用动态规划来解决,DP算法的本质就是穷举,是一种用空间换取时间的算法。
其数学证明过程比较复杂,只是简单使用的话以此题为例动态规划思路可以分为四步:
1.状态
bp[x][y]表示A前x个字符串编辑成 B前y个字符所花费的代价。即需要一个二维数组。
2.状态转移方程
见下方分析。
3.初始化
0行0列的初始化参考,数学归纳的原理。
4.遍历方向
一般是顺序遍历,特殊场景下会采用逆序遍历。
生成大小为(m+1)(n+1)的矩阵bp. bp[x][y]表示A前x个字符串编辑成 B前y个字符所花费的代价.
对于第一行来说,bp[0][y]表示将一个空串变为B的前y个字符组成的子串,花费的代价为ic*y;
同理,对于第一列bp[x][0] = x*dc;