动态规划
- 状态定义:
dp[i][j]
表示从word1
的前i
个字符变换成word2
的前j
个字符所需的最少步数。dp[l1][l2]
即为答案。
- 状态转移:
- 当
word1[i-1]==word2[j-1]
时,无需额外操作,dp[i][j]
可以直接继承dp[i-1][j-1]
的结果,即dp[i][j] = dp[i - 1][j - 1]
。 - 如果不相等,则检查增删改三个操作的操作步数的最小值。
其中,增表示为:dp[i][j-1]+1
,同一行表示word1
的字符不变,想多一个构成word2
变为dp[i][j]
,就需要在原来dp[i][j-1]
的基础上加1
。
以此类推,删表示为dp[i-1][j]+1
,改表示dp[i-1][j-1]+1
。
- 当
- 状态初始化:
dp[0][0]=0
- 首行:
word1
为空,不断进行增操作,构成word2
- 首列:
word2
为空,word1
不断进行删操作,构成word2
注意:由于存在字符串为空的情况,于是我们设置dp[0][0]
。根据目前的经验来看,针对于两个字符串相关问题使用多维动态规划的解决方法,通常要设置dp[0][0]
。
class Solution {
public int minDistance(String word1, String word2) {
int l1 = word1.length(), l2 = word2.length();
int[][] dp = new int[l1 + 1][l2 + 1];
dp[0][0] = 0;
for (int i = 1; i < l1 + 1; ++i) {
// dp[i][0] = dp[i - 1][0] + 1;
dp[i][0] = i;
}
for (int j = 1; j < l2 + 1; ++j) {
// dp[0][j] = dp[0][j - 1] + 1;
dp[0][j] = j;
}
for (int i = 1; i < l1 + 1; ++i) {
for (int j = 1; j < l2 + 1; ++j) {
if (word1.charAt(i - 1) == word2.charAt(j - 1)) {
dp[i][j] = dp[i - 1][j - 1];
} else {
dp[i][j] = Math.min( Math.min(
dp[i - 1][j] + 1, // 删
dp[i][j - 1] + 1 // 增
),
dp[i - 1][j - 1] + 1 // 改
);
}
}
}
return dp[l1][l2];
}
}