力扣72.编辑距离

编辑距离

---

题目

72. 编辑距离

难度困难2052收藏分享切换为英文接收动态反馈

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

题解

本题可以算是动态规划的经典问题，我通过写此题大大提高了我对动态规划的掌握，所以记录一下。

首先我们需要列出本题可能出现的情况，关于字符只有相等和不相等两种情况

即相等时

word1.charAt(i - 1) == word2.charAt(j - 1),因为我们求得是最少操作步数，所以此时不需要进行操作

不等时

word1.charAt(i - 1) != word2.charAt(j - 1),此时我们根据题意有三种情况

·

• 插入一个字符
• 删除一个字符
• 替换一个字符

转换成具体的dp数组操作就是

//替换，原位置进行替换，所以对应之前最小步数 + 1
dp[i - 1][j - 1] + 1
// 增加， word2增加一个元素相当于word1删除了一个元素，因为有了添加的元素能够消去word1当前元素，所以word1删除和word2添加是相同的
dp[i - 1][j] + 1
// 删除，word2删除一个元素，即对应上一次也就是Word2.charAt(j - 2)部分在当前word1位置的步数
dp[i][j - 1]) + 1

所以可以推出状态转移方程

dp[i][j] = dp[i - 1][j - 1]----->    word1.charAt(i - 1) == word2.charAt(j - 1)
1 + Math.min(Math.min(dp[i - 1][j], dp[i][j - 1]),dp[i - 1][j - 1]) ----->  word1.charAt(i - 1) =!= word2.charAt(j - 1)

然后可以写出代码

   /***
        *   初始化在第一行和第一列的位置对应的word1和word2都是空
        *   可以自己来画图看
    **/
class Solution {
    public int minDistance(String word1, String word2) {
        int len1 = word1.length();
        int len2 = word2.length();
        int[][] dp = new int[len1 + 1][len2 + 1];
        for(int i = 0; i <= len1; i++){
            dp[i][0] = i;
        }
        for(int j = 0; j <= len2; j++){
            dp[0][j] = j;
        }
        for(int i = 1; i <= len1; i++){
            for(int j = 1; j <= len2; j++){
                if(word1.charAt(i - 1) == word2.charAt(j - 1)){
                    dp[i][j] = dp[i - 1][j - 1];
                }else{
                    dp[i][j] =1 + Math.min(Math.min(dp[i - 1][j], dp[i][j - 1]),dp[i - 1][j - 1]);
                }
            }
        }
        return dp[len1][len2];
        
    }
}

完整推导图

参考

[代码随想录](代码随想录 (programmercarl.com))