编辑距离(LeetCode72)---C++实现

先附上LeetCode上此题的OJ网址，有需要可点击直达

一般求最短距离、存在性问题、可能性的总数都要想到动态规划。
思路：

动规核心思想就是空间换时间，用数组存储下之前的信息，计算之后的情况便不需要再重新计算以前的情况了。 这里我们用dp[i][j]表示word1从[0…i - 1]的位置 编辑到word2[0…j - 1]的位置的最短距离(例如对于word1 = “horse”，word2 = “rose” dp[3][2] 表示“hor”编辑到“ro”的最短距离)。
我们可以得出以下几种情况，也就是状态转移方程：

1. word1[i - 1] = word2[j - 1]时 有dp[i][j] = dp[i - 1][j - 1]
2. word1[i - 1] != word2[j - 1]时
   

int minDistance(string word1, string word2) {
		vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
		//动规的初始情况 表示word1每个位置编辑到空串的距离
		for (int i = 0; i < word1.size() + 1; i++) {
			dp[i][0] = i;
		}
		//表示word2每个位置编辑到空串的距离
		for (int i = 0; i < word2.size() + 1; i++) {
			dp[0][i] = i;
		}
		for (int i = 1; i < word1.size() + 1; i++) {
			for (int j = 1; j < word2.size() + 1; j++) {
				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], min(dp[i][j - 1], dp[i - 1][j])) + 1;
				}
			}
		}
		return dp[word1.size()][word2.size()];
	}