【动态规划】—— LeetCode - 72. 编辑距离

72. 编辑距离

题目描述

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’)

解题思路

思路

1.分为两种情况，① 字符相同，② 字符不同

• 字符相同时，为了使编辑距离最小，不应该对它们有任何操作，直接往前移动i，j
• 字符不同，则对操作进行三选一：插入(insert)、删除(delete)、替换(replace)
• 还有两种base case ： ① 当j走完了s2 ，如果 i 没有走完s1，直接删除s1 中长的字符，缩短为s2 ；② i 走完了s1，j还没有走完s2 ，直接插入s2剩下的字符到s1即可

伪代码：

if s1[i] == s2[j]:
	啥都不做
	i，j同时向前移动
else：
	三选一：
		插入：insert
		删除：delete
		替换：replace

递归的伪代码

def minDistance(s1, s2) -> int:
	def dp(i, j):
		# base case
		if i == -1: return j + 1
		if j == -1: return i + 1
		
		if s1[i] == s2[j]:
			return dp(i - 1, j - 1) # 啥都不做
	else:
		return min(
			dp(i, j - 1) + 1, # 插⼊
			dp(i - 1, j) + 1, # 删除
			dp(i - 1, j - 1) + 1 # 替换
		)
# i， j 初始化指向最后⼀个索引
return dp(len(s1) - 1, len(s2) - 1)

方法

递归方法

递归方法，但是会产生很多重复子问题 —— 会超时

使用字符串子串进行操作，但是在java中如此做会占用大量的空间，因此我们使用将String转换为char[]的方法

   public int minDistance_1(String word1, String word2) {
   
        char[] w1 = word1.toCharArray();
        char[] w2 = word2.toCharArray();
        return recur(w1,word1.length() - 1,w2,word2.length() - 1);
    }

    private int recur(char[] w1, int x, char[] w2, int y) {
   
        if (x == -1 || y == -1)
            return Math.max(x,y) + 1;
        if (w1[x] == w2[y])
            return recur(w1, x-1, w2, y-1);
        else return Math.min(Math.min(recur(w1, x - 1, w2, y - 1),