十二、 编辑距离

1、题目

链接

给定两个单词 word1 和 word2，计算出将 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’)

2、分析

此题目要求，将档次word1，替换成word2，并且要求使用最小的次数，可以使用，增加，删除，修改，首先想到动态规划，题目也符合动态规划的条件之一， 判断条件之二，也就是动态变化方程，此题目中的动态方程是，当word[i] == word[j] 时，dp[i][j] = dp[i-1][j-1] 也就是不需移动距离，当word1[i] != word[j] 时，此时肯定会发生移动但是要求移动的最小，所以缓存中的移动距离应该是min(dp[i-1][j-1], dp[i][j-1],dp[i-1][j]), 选择一个最小的移动距离。第三个条件需要我们建立缓存,为什么我们需要比字符的长度 +1 是因为当字符串不存在时，[0][0]中的任意存在的行，或者列即为最小的操作次数。
$$dp[i][j]=dp[i-1][j-1]$$$$dp[i][j]=min(dp[i-1][j-1],dp[i][j-1],dp[i-1][j])$$

3、代码

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        # 浅拷贝
        # dp = [[0] * (len(word2)+1)] * (len(word1)+1)

        dp = [[0] * (len(word2) + 1) for _ in range(len(word1) + 1)]
        def test(dp):

            for i in range(1, len(word2) + 1):
                dp[0][i] = dp[0][i-1] + 1
            

            for j in range(1, len(word1) + 1):
                dp[j][0] = dp[j-1][0] + 1

            
            for i in range(1, len(word1) + 1):

                for j in range(1, len(word2) + 1):
                    if word1[i-1] == word2[j-1]:
                        dp[i][j] = dp[i-1][j-1]
                    else:
                        dp[i][j] = min(dp[i-1][j-1], dp[i][j-1], dp[i-1][j]) + 1
            
            return dp[-1][-1]
        return test(dp)

4、结果

执行用时 :184 ms, 在所有 Python3 提交中击败了72.85% 的用户
内存消耗 :16.6 MB, 在所有 Python3 提交中击败了84.23%的用户

5、优化
此处使用的时二维数组，但是你会发现在结果中会可以将二维数组优化为一维数组，因为在使用缓存时可以将结果覆盖。

---

望您：
“情深不寿，强极则辱，谦谦君子，温润如玉”。