一、题目描述
给你两个单词 word1 和 word2, 请返回将 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
二、示例
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')
三、分析
思路:
1. 递归:
p1,p2从后向前遍历word1,word2:
(1)如果两者字符相等,p1,p2前移;
(2)如果两者字符不等:可对p1进行三种操作:
1.插入:在p1位置模拟插入p2的字符,和p2相匹配;p2前移,p1不动
2.删除:将p1位置删除,即跳过该字符匹配前一个;p2不动,p1前移
3.修改:将p1位置改为p2字符;p1前移,p2前移
选三者中后续操作最少的一个;
(3)直到p1为空或p2为空,操作数为非空者的剩余长度(可以删除或插入,次数相同)
缺点:重复操作太多,力扣上会超时
时间复杂度:很大
空间复杂度:主要是递归消耗,也很大
2. 动态规划:
根据递归的代码,可以看出,有很多相同的参数被重复计算了,将这些数值保存起来,即为动态规划的递归数组:
二维数组:下标分别为p1和p2,数组值为cur的传出。
即:dp数组的含义是在word1和word2的前p1,p2长度中,使二者相同的最少操作数。
时间复杂度:两个循环,遍历两个数组O(m*n)
空间复杂度:dp数组 O(m*n)
四、代码
1. 递归代码(超时):
class Solution {
public:
int minDistance(string word1, string word2) {
vector<vector<int>> dp(word1.size()+1,vector<int>(word2.size()+1));
int len1=word1.size();
int len2=word2.size();
for(int i=0;i<=len1;i++)dp[i][0]=i;
for(int i=0;i<=len2;i++)dp[0][i]=i;
for(int i=1;i<=len1;i++){
for(int j=1;j<=len2;j++){
if(word1[i-1]==word2[j-1])dp[i][j]=dp[i-1][j-1];
else{
dp[i][j]=1+min(dp[i-1][j-1],min(dp[i-1][j],dp[i][j-1]));
}
}
}
return dp[len1][len2];
}
};
2.动态规划代码:
class Solution {
public:
int cur(string word1,string word2,int p1,int p2){
if(p1<0&&p2<0)return 0;
if(p1<0)return p2+1;
if(p2<0)return p1+1;
if(word1[p1]==word2[p2])return cur(word1,word2,p1-1,p2-1);
return 1+min(cur(word1,word2,p1-1,p2),min(cur(word1,word2,p1-1,p2-1),cur(word1,word2,p1,p2-1)));
}
int minDistance(string word1, string word2) {
return cur(word1,word2,word1.size()-1,word2.size()-1);
}
};