给定两个单词 word1
和 word2
,返回使得 word1
和 word2
相同所需的最小步数。
每步 可以删除任意一个字符串中的一个字符。
示例 1:
输入: word1 = "sea", word2 = "eat" 输出: 2 解释: 第一步将 "sea" 变为 "ea" ,第二步将 "eat "变为 "ea"
示例 2:
输入:word1 = "leetcode", word2 = "etco" 输出:4
提示:
1 <= word1.length, word2.length <= 500
word1
和word2
只包含小写英文字母
观察删除最少字符后相同的word1和word2,不就是最长公共子序列么?word1的长度减去最长公共子序列的长度,就是word1最少操作步数。word2的长度减去最长公共子序列的长度,就是word2最少操作步数。两者相加,即可得到总的操作步数。最长公共子序列问题之前已经做过了,这里再写一遍就当复习了:
class Solution {
public int minDistance(String word1, String word2) {
int m = word1.length(), n = word2.length();
int[][] dp = new int[m + 1][n + 1];
for (int i = 1; i <= m; i++) {
char c1 = word1.charAt(i - 1);
for (int j = 1; j <= n; j++) {
char c2 = word2.charAt(j - 1);
if (c1 == c2) {
dp[i][j] = dp[i - 1][j - 1] + 1;
}
else {
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
}
}
}
return m + n - dp[m][n] * 2;
}
}
直接用动态规划也可以,dp数组设置为以下标为 i - 1 为结尾元素的word1子序列和以下标 j - 1 为结尾元素的word2子序列,它们要相同需要删除的最小字符。初始化就是找出把子序列删成空串的操作次数,显然等于它们本身的长度。然后考虑递推公式。如果words1[i - 1] == words2[j - 1],显然不用删了。如果这两个元素不相等,显然要删除其中一个,删除操作+1。在本题中,要么比dp[i][j - 1]的情况多删除一次,要么比dp[i - 1][j]的情况多删除一次。取最少的那个。
class Solution {
public int minDistance(String word1, String word2) {
int m = word1.length(), n = word2.length();
int[][] dp = new int[m + 1][n + 1];
for (int i = 0; i <= m; i++) {
dp[i][0] = i;
}
for (int j = 0; j <= n; j++) {
dp[0][j] = j;
}
for (int i = 1; i <= m; i++) {
char c1 = word1.charAt(i - 1);
for (int j = 1; j <= n; j++) {
char c2 = word2.charAt(j - 1);
if (c1 == c2) {
dp[i][j] = dp[i - 1][j - 1];
}
else {
dp[i][j] = Math.min(dp[i - 1][j], dp[i][j - 1]) + 1;
}
}
}
return dp[m][n];
}
}
这题回滚一维数组不仅要记录前一行的值,每次循环还要初始化dp[0]的值,比较复杂,所以不写了。
给你两个单词 word1
和 word2
, 请返回将 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')
提示:
0 <= word1.length, word2.length <= 500
word1
和word2
由小写英文字母组成
class Solution {
public int minDistance(String word1, String word2) {
int m = word1.length(), n = word2.length();
int[][] dp = new int[m + 1][n + 1];
for (int i = 0; i <= m; i++) {
dp[i][0] = i;
}
for (int j = 0; j <= n; j++) {
dp[0][j] = j;
}
for (int i = 1; i <= m; i++) {
char c1 = word1.charAt(i - 1);
for (int j = 1; j <= n; j++) {
char c2 = word2.charAt(j - 1);
if (c1 == c2) {
dp[i][j] = dp[i - 1][j - 1];
}
else {
dp[i][j] = Math.min(Math.min(dp[i - 1][j], dp[i][j - 1]),dp[i - 1][j - 1]) + 1;
}
}
}
return dp[m][n];
}
}
和上题相比,只改了一行代码。本题和上题的区别,一是仅删除的操作改为增、删、改皆可,二是上题是两个字符串皆可修改,本题则是把word1改为word2。word1[i - 1] == word2[j - 1]时,显然和上题一样完全不需操作。需删的情况和上题删除word1[i - 1]的情况一样,而我们发现给word1子序列增添一个值和给word2子序列删除一个值其实是等价的,因为遇到不匹配的情况,不论是增加一个能匹配上的值使其匹配,还是去掉不匹配的值使其匹配,都是能让其重新匹配上的。所以如果只考虑增删,本题代码和上题完全一样。现在再考虑需要替换字符的情况。其实就是不考虑待匹配字符的已经完全匹配情况,加上修改使其匹配的操作(+1)。