72. 编辑距离

注：一旦涉及到子问题，有两种解决思路：

1. 自顶向下的递归
2. 自底向上的动态规划
   
   

class Solution {
    public int minDistance(String word1, String word2) {
        //方法一：递归
        int len1 = word1.length(), len2 = word2.length();

        //如果word1.length() == 0, 我们每次都进行插入操作即可
        //如果word2.length() == 0, 我们每次都进行删除操作即可
        if(len1 == 0 || len2 == 0) 
            return Math.max(len1, len2);

        //如果最后的字符相同，那么就看前推一位的结果
        if(word1.charAt(len1 - 1) == word2.charAt(len2 - 1))
            return minDistance(word1.substring(0, len1 - 1), word2.substring(0, len2 - 1));

        //否则进行插入、删除、替换操作，并选取其中代价最小的操作进行返回
        return 1 + Math.min(Math.min(minDistance(word1, word2.substring(0, len2 - 1)),
                            minDistance(word1.substring(0, len1 - 1), word2)),
                            minDistance(word1.substring(0, len1 - 1), word2.substring(0, len2 - 1)));
    }
}

但是递归方法超时，原因是进行了 大量重复的计算。

---

动态规划：

class Solution {
    public int minDistance(String word1, String word2) {
        //方法二：动态规划
        int len1 = word1.length(), len2 = word2.length();

        //如果word1.length() == 0, 我们每次都进行插入操作即可
        //如果word2.length() == 0, 我们每次都进行删除操作即可
        if(len1 == 0 || len2 == 0) 
            return Math.max(len1, len2);

        //DP数组 并进行边界状态初始化
        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;

        //计算所有的dp值
        for(int i = 1; i <= len1; i++) {
            for(int j = 1; j <= len2; j++) {
                int left = dp[i - 1][j] + 1;
                int down = dp[i][j - 1] + 1;
                int left_down = dp[i - 1][j - 1];
                if(word1.charAt(i - 1) != word2.charAt(j - 1))
                    left_down++;
                dp[i][j] = Math.min(Math.min(left, down), left_down);
            }
        }
        return dp[len1][len2];
    }
}

具体可见：LeetCode视频讲解