583. 两个字符串的删除操作，72. 编辑距离

583. 两个字符串的删除操作

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。

72. 编辑距离

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）。