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:
-
如果两个字符(不是字符串)相等,我们就不用做任何操作
-
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:
- 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 - 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];
};