leetcode 72 编辑距离：另一种dp table的查找方式

思路

定义dp[i][j]为word1的前i个字符和word2的前j个字符相同需要的最少操作
也就是说在递归的时候是从后面往前面递归的。

为什么会这么想

首先，转移方程是好写的。但是实现的过程是需要细节的。首先是basecase。经过了股票问题的思考后。在这里，当i<0或者j<0的情况，很容易返回另一个的对应情况。这个没什么好说的。关键是构建一个能够查找结果的表。

我的创新

这里使用的是做了一个map<string,int>，在每一个递归的过程中，根据i，j生成 i#j 这种格式的label，然后查找的时候，我们不再是按照以前的去找dp[i][j],我们只需要去找 string i#j 是否在hashtable中即可。这样的方式是非常简单而且容易理解的。

代码

class Solution {
public:
    int dp(string& word1,string& word2,int i,int j,unordered_map<string,int>& mp){
        if(i<0&&j<0)return 0;
        if(i<0)return j+1;
        if(j<0)return i+1;
		//构建label
        string label=to_string(i)+"#"+to_string(j);
        //查找label是否在mp中
        if(mp.count(label)!=0)return mp[label];
        //最多操作n1+n2次，这里不需要设置为INT_MAX
        int res=word1.size()+word2.size();
        if(word1[i]==word2[j]){
            res=dp(word1,word2,i-1,j-1,mp);
        }
        else{
            res=min({dp(word1,word2,i-1,j-1,mp),dp(word1,word2,i-1,j,mp),dp(word1,word2,i,j-1,mp)})+1;
        }
        //在hashtable中建立label
        mp[label]=res;
        return res;
    }
    //定义dp[i][j]为word1的前i个字符和word2的前j个字符相同需要的最少操作数，i的范围为[0,word1.size-1]
    int minDistance(string word1, string word2) {
        int n1=word1.size();
        int n2=word2.size();
        unordered_map<string,int> mp;
        return dp(word1,word2,n1-1,n2-1,mp);
    }
};