（Leetcode 72） 编辑距离

题目介绍

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。其中可操作方式：

1. 插入一个字符
2. 删除一个字符
3. 替换一个字换

示例：

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’)

算法分析

本文将提供自顶向下的动态规划算法和自底向上的递归算法两种实现方式。

1. 动态规划

动态规划方法用于处理实际问题，暂可看作是自顶向下的按照转移状态所定义的方式去填满dp一维数组或二维数组等。

再来分析下原题目，要求将word1转换成word2所需的最少步骤，那么原问题的子结构就是：将word1前i个字符转换成word2前j个字符所需的最少步骤（含删除、添加、替换）。

根据以上分析，dp是个二维数组，首先很容想到，如果字符串word1是空串或者word2是空串，那么进行的操作就是单一的：len(word2)个添加操作或len(word1)个删除操作。

下面将是该问题重要的转移状态分析过程
现考虑求解dp[i][j]:

1. 删除操作：需要指明的是删除的word1的第i个字母，即dp[i][j]=dp[i-1][j]+1(+1表示此时进行的删除操作)
2. 添加操作：需要指明的是给word1后面添加word2的第j个字母，即dp[i][j]=dp[i][j-1]+1(+1表示此时进行的添加操作)
3. 替换操作：
   a. 如果word1的第i个字母和word2的第j个字母是一样的，那就意味预定的替换操作不需进行，即dp[i][j]=dp[i-1][j-1]
   b. 如果word1的第i个字母和word2的第j个字母是不一样的，那么意味需要进行替换，即dp[i][j]=dp[i-1][j-1]+1
   综上，dp[i][j]=dp[i-1][j-1]+1_{{word1[i]!=word2[j]}}
   最后，因为我们所求的是一个全局最优的一个结果，也就是每次进行一个操作时所满足当前的结果是最小的，那么就需要对上述a、b、c进行取最小值。

下面就怎么考虑填这个dp二维数组进行分解，要么填满矩阵，要么找出可优化部分，填一部分。因为在word1和word2均不为空串时，求dp[i][j]都需要dp[i-1][j]、d[i][j-1]、d[i-1][j-1]的值，那么我们则需要依次按列或者行填满dp，这就需要两重循环。

需要注意的是，在dp矩阵表格中，当i=1或者j=1时，dp[0][j]或dp[i][0]的值是个边界问题，这就是上文中一开始提出的当word1是空串或者word2是空串时的一个结果。

经过以上分析，现给出Python、Java代码：

def Editdistance(word1,word2):
   #先定义个dp二维数组，并处理边界问题
   n,m=len(word1)、len(word2)
   dp=[[max(i,j) for j in range(m+1)] for i in range(n+1)]
   for i in range(1,n):
       for j