Edit Distance(动态规划)

最新推荐文章于 2020-12-17 07:22:15 发布

Vilinzz

最新推荐文章于 2020-12-17 07:22:15 发布

阅读量1.6k

点赞数 2

分类专栏： c++ 算法文章标签： LeetCode 动态规划 Edit Distance

本文链接：https://blog.csdn.net/qq_36124194/article/details/83716115

版权

算法同时被 2 个专栏收录

42 篇文章

订阅专栏

c++

39 篇文章

订阅专栏

这篇博客详细介绍了如何使用动态规划解决Edit Distance问题，即找到将单词word1转换为word2所需的最小操作数，包括插入、删除和替换字符。通过分析和展示状态转移方程，阐述了从两个字符串的子问题逐步求解的过程，并提供了相关示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Edit Distance

题目

Given two words word1 and word2, find the minimum number of operations required to convert word1 to word2.

You have the following 3 operations permitted on a word:

Insert a character
Delete a character
Replace a character
Example 1:

Input: word1 = “horse”, word2 = “ros”
Output: 3
Explanation:
horse -> rorse (replace ‘h’ with ‘r’)
rorse -> rose (remove ‘r’)
rose -> ros (remove ‘e’)
Example 2:

Input: word1 = “intention”, word2 = “execution”
Output: 5
Explanation:
intention -> inention (remove ‘t’)
inention -> enention (replace ‘i’ with ‘e’)
enention -> exention (replace ‘n’ with ‘x’)
exention -> exection (replace ‘n’ with ‘c’)
exection -> execution (insert ‘u’)

分析

用动态规划的思想去解决这个问题，那么意味着我们需要寻找这两个字符串的子问题的解，那么这个子问题怎么解决呢？
我们采用一个二维数组来表示count[i][j]表示字符串长为i和字符串长为j的字符的编辑距离，对于子问题，我们可以采用将i和j逐步缩小的策略，那么最终问题可以看作解决count[i][j]，而每个字符串与空串的编辑距离是明显的，及count[0][j]和count[i][0]是明显知道的。
那么对于子问题可以有一下三种情况
在这里插入图片描述
最后可以知道状态转移方程为：

其中diff(i,j)是指当串1和串2的下标i和下标j对应的字符相等的时候为0，否则需要一步编辑距离，则为1.

源码

class Solution {
public:
    int minDistance(string word1, string word2) {
        int size1 = word1.size();
        int size2 = word2.size();
        vector<vector<int>> count(size1+1, vector<int>(size2+1, 0));
        for(int i = 0; i <= size1; i++) {
        	count[i][0] = i;
        }
        for(int i = 0; i <= size2; i++) {
        	count[0][i] = i;
        }

        for(int i = 1; i <= size1; i++) {
        	for(int j = 1; j <= size2; j++) {
        		int tag = 0;
        		if(word1[i-1] != word2[j-1]) {
        			tag = 1;
        		}
        		count[i][j] = min(count[i-1][j]+1, count[i][j-1]+1);
        		count[i][j] = min(count[i][j], tag+count[i-1][j-1]);
        	}
        }
        return count[size1][size2];
    }
};

觉得博主写的好
在这里插入图片描述