动态规划之编辑距离

hard题，看上去就挺可怕的，仔细一想想觉得很清晰，希望自己早日能达到这种逻辑。

题目🔗

算法思路

题解思路链接🔗

•  状态：
  • dp[i, j]   i代表【0，i】的word1 j代表【0，j】的word2 dp[ i ][ j ]表示word1[ 0 : i ] 和word2[ 0 : j ]
• 选择：
  • 插入一个字符串    dp[ i ][ j - 1 ] + 1
  • 删除一个字符串    dp[ i - 1 ][ j ] + 1
  • 替换一个字符串    dp[ i - 1 ][ j - 1 ] + 1
  •  跳过啥都不做       dp[ i - 1 ][ j - 1 ]
• 状态转移方程：
  • dp[i][j] =  
    • if  word1[i]==word2[j]     跳过 --> dp[i-1]dp[j-1]
    • else  进行相应操作  --> min(插入， 删除， 替换)--> min(dp[i][j-1], dp[i-1][j], dp[i-1][j-1])
• base case：
  •  由于i , j 应该初始化成-1才对，但是数组下表从0开始，所以以0为base case dp向右偏移了一位， 所以dp的大小也要大一位

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        # 状态dp[i, j],  i代表【0，i】的word1 j代表【0，j】的word2 dp[i][j]表示word1[0:i] 和word2[0:j]
        # 选择： 1. 插入一个字符串 2. 删除一个字符串 3. 替换一个字符串 4. 跳过啥都不做
        # 状态转移方程 dp[i][j] =  if word1[i]==word2[j]  跳过 --> dp[i-1]dp[j-1]
        #                        else  进行相应操作  --> min(插入， 删除， 替换)--> min(dp[i][j-1], dp[i-1][j], dp[i-1]dp[j-1])
        
        # base case 由于i,j应该初始化成-1才对 但是数组下表从0开始 所以以0为base case dp向右偏移了以为 所以dp的大小也要大一位
        
        n, m = len(word1), len(word2)
        dp = [[0]*(m+1) for i in range(n+1)]
        
        # base case
        for i in range(1,n+1):
            dp[i][0] = i  # 注意这里别写错啦
        for j in range(1,m+1):
            dp[0][j] = j
        
        # begin
        for i in range(1, n+1):
            for j in range(1, m+1):
                if word1[i-1] == word2[j-1]: # 注意这里偏移了一位！
                    dp[i][j] = dp[i-1][j-1]  # 啥也不做
                else:
                    dp[i][j] = min([dp[i][j-1], dp[i-1][j], dp[i-1][j-1]])+1 # 注意这里操作数+1
                    
        return dp[n][m]