经典动态规划问题——leetcode72(编辑距离)

经典动态规划问题——leetcode72(编辑距离)

题目：

给你两个单词 word1 和 word2，请你计算出将 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’)

提示：

• 0 <= word1.length, word2.length <= 500
• word1 和 word2 由小写英文字母组成

分析：

由于我们要将一个字符串s1变成s2，我们首先肯定是要从s1的头部开始，和s2逐步进行比较，所以我们可以定义一个二维数组，dp[s1.lenghth][s2.length]，其中dp[i][j]代表从s1的(0,i)位，变成s2的(0,j)位所需要的次数 ,所以有以下状态表（以示例一为例）

然后思考以下几个问题

• 问题1：如果 word1【0…i-1】 到 word2【0…j-1】 的变换需要消耗 k 步，那 word1【0…i】 到 word2【0…j】 的变换需要几步呢？

  答：先使用 k 步，把 word1【0…i-1】 变换到 word2【0…j-1】，消耗 k 步。再把 word1【i】 改成 word2【j】，就行了。如果 word1【i】 == word2【j】，什么也不用做，一共消耗 k 步，否则需要修改，一共消耗 k + 1 步。

• 问题2：如果 word1【0…i-1】 到 word2【0…j】 的变换需要消耗 k 步，那 word1【0…i】 到 word2【0…j】 的变换需要消耗几步呢？

  答：先经过 k 步，把 word1【0…i-1】 变换到 word2【0…j】，消耗掉 k 步，再把 word1【i】 删除，这样，word1【0…i】 就完全变成了 word2【0…j】 了。一共 k + 1 步。

• 问题3：如果 word1【0…i】 到 word2【0…j-1】 的变换需要消耗 k 步，那 word1【0…i】 到 word2【0…j】 的变换需要消耗几步呢？

  答：先经过 k 步，把 word1【0…i】 变换成 word2【0…j-1】，消耗掉 k 步，接下来，再插入一个字符 word2【j】, word1【0…i】 就完全变成了 word2【0…j】 了。

从上面三个问题来看，word1【0…i】 变换成 word2【0…j】 主要有三种手段，用哪个消耗少，就用哪个。

可以看到对于字符串的每一位，我们可以做如下几种变化：

1. 如果两个字符（不是字符串）相等，我们就不用做任何操作

2. 如果不相等，我们可以进行下面的操作，然后取最小的一种操作方法。

   • 插入一个字符
   • 删除一个字符
   • 替换一个字符

   所以状态转移方程： dp[i][j] = min(dp[i - 1][j - 1], min(dp[i - 1][j], dp[i][j - 1])) + 1;

最后我们可以得到下面这个状态表，注意：我们这里不考虑做dp优化，我们只解决问题。

注意点：

1. 对于空字符串，也就是dp[0][j]和dp[i][0]的情况我们需要单独考虑
2. 如果两个字母相同我们的dp[i][j] = dp[i-1][j-1]

代码：

var minDistance = function(word1, word2) {
    const len1 = word1.length;
    const len2 = word2.length;
    // 初始化数组
    const dp = [];
    for(let i = 0; i <= len1; i += 1) {
        dp[i] = [];
    }
    // 初始化边界
    for(let i = 0; i <= len1; i += 1) {
        dp[i][0] = i;
    }
    for(let i = 0; i <= len2; i += 1) {
        dp[0][i] = i;
    }
    for(let i = 1; i <= len1; i += 1) {
        for(let j = 1; j <= len2; j += 1) {
            // 注意这里是i-1和j-1，超过了会越界哦
            if (word1[i-1] === word2[j-1]) {
                dp[i][j] = dp[i-1][j-1]
            } else {
                dp[i][j] = Math.min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1;
            }
        }
    }
    return dp[len1][len2];
};