思路:
一旦涉及到子问题,可以用自顶向下的递归和自底向上的动态规划。然而递归会产生许多重复的计算,动态规划就不同了
首先搬上动态规划代码,思路是这里有两个变量,字符串1和2的长度,dp[i][j]表示把字符串1的前0个到i个字符串变成字符串2的前0个到j字符所需要的最少操作个数。
如果i和j对应的元素相同那我们操作个数dp[i][j]=dp[i-1][j-1];如果不同,那为了相同,我们可以使用插入,删除和提换操作中的最小代价。
class Solution {
public:
int minDistance(string word1, string word2) {
//如果有空元素就返回其中一个元素的长度
int m=word1.size(),n=word2.size();
if(m*n==0) return m+n;
//动态规划初始化
vector<vector<int>> dp(m+1, vector<int>(n+1));
for(int j=0;j<n+1;j++)
dp[0][j]=j;
for(int i=0;i<m+1;i++)
dp[i][0]=i;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(word1[i-1]==word2[j-1])
dp[i][j]=dp[i-1][j-1];
else
dp[i][j]=1+min(min(dp[i-1][j],dp[i][j-1]),dp[i-1][j-1]);
}
}
return dp[m][n];
}
};
除了动态规划,也写一个递归的把,重复子操作嘛~,但是会超时!
class Solution {
public:
int minDistance(string word1, string word2) {
if(word1.size()==0 || word2.size()==0)
return word1.size()+word2.size();
if(word1.back()==word2.back())
return minDistance(word1.substr(0,word1.size()-1),word2.substr(0,word2.size()-1));
return 1+min(min(minDistance(word1,word2.substr(0,word2.size()-1)),minDistance(word1.substr(0,word1.size()-1),word2)),minDistance(word1.substr(0,word1.size()-1),word2.substr(0,word2.size()-1)));
}
};