编辑距离及编辑距离算法

转自：https://www.cnblogs.com/Katerina/p/11355153.html

编辑距离概念描述

编辑距离，又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括：1、将一个字符串替换成另一个字符，2、插入一个字符，3、删除一个字符。
例如将kitten转成sitting：
1.sitten （k->s）
2.sittin (e->i)
3.sitting (->g)
俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。

问题

找出字符串的编辑距离，即把一个字符串s1最少经过多少步操作变成编辑字符串s2，操作者由三种：添加一个字符，删除一个字符，修改一个字符

解析

首先定义这样一个函数–edit(i，j)，它表示第一个字符串的长度为i的子串到第二个字符串的长度为j的字串的编辑距离。
显然可以由如下动态规划公示：

• if(i0)且(j0),edit(i,j)=0;
• if(i==0)且(j>0),edit(i,j)=j;
• if(i>0)且j==0,edit(i,j)=i;
• if(i>=1)且(j>=1),edit(i,j)==min{edit(i-1,j)+1,edit(i,j-1)+1,edit(i-1,j-1)+f(i,j)}; 当第一个字符串的第i个字符不等于第二个字符串的第j个字符时，f(i,j)=1;否则，f(i,j)=0.

	0	f	a	i	l	i	n	g
0
s
a
i
l
n

	0	f	a	i	l	i	n	g
0	0	1	2	3	4	5	6	7
s	1
a	2
i	3
l	4
n	5

计算edit(1,1)：

• edit(0,1)+1==2;
• edit(1,0)+1==2;
• edit(0,0)+f(1,1)0+11
• min(edit(0,1)+1,edit(1,0)+1,edit(0,0)+f(1,1))==1
• 因此edit(1,1)==1
  依次类推：

	0	f	a	i	l	i	n	g
0	0	1	2	3	4	5	6	7
s	1	1	2	3	4	5	6	7
a	2	2	1	2	3	4	5	6
i	3	3	2	1	2	3	4	5
l	4	4	3	2	1	2	3	4
n	5	5	4	3	2	2	2	3

c++代码

#include<iostream>
#include<fstream>
#include<string>
#include <vector>
using namespace std;
#define STRINGMAXLEN 1024

int edit(string s1, string s2);
int min(int i,int j )
{
	return i<j?i:j;
}
int main(int argc, char* argv[])
{
	cout << "Please enter the first string:\n";
	string s1;
	getline(cin,s1);
	cout <<"Please enter the second string: \n";
	string s2;
	getline(cin,s2);
	int d=edit(s1,s2);
	printf("the Edit Distance of %s and %s is: %d\n",s1,s2,d);
	return 0;
}

int edit(string s1, string s2)
{
	int maxLen1=s1.length();
	int maxLen2=s2.length();
	printf("maxLen1=%d,maxLen2=%d\n",maxLen1,maxLen2);
	char a_s1[STRINGMAXLEN];
	char a_s2[STRINGMAXLEN];
	strcpy(a_s1+1,s1.c_str());//用到 c_str()函数
	strcpy(a_s2+1,s2.c_str());//用到 c_str()函数
	vector<vector<int> >dp;// (maxLen1+2,vector<int>(maxLen2+1));//定义二维数组dp[][]，n行 m列
	dp.resize(maxLen2+1);
	for(int i=0;i<maxLen2+1;i++)
	{
		dp[i].resize(maxLen1+1);
	}
	for(int i=0;i<maxLen2+1;i++)
	{
		dp[i][0]=i;
	}
	for(int i=0;i<maxLen1+1;i++)
	{
		dp[0][i]=i;
	}
	for(int i=1;i<maxLen2+1;i++)
	{
		for(int j=1;j<maxLen1+1;j++)
		{
			int d;
			int temp=min(dp[i-1][j]+1,dp[i][j-1]+1);
			
			if(a_s2[i]==a_s1[j])
			{
				d=0;
			}else{
				d=1;
			}
			printf("a_s2[%d]=%c,a_s1[%d]=%c,",i,a_s2[i],j,a_s1[j]);
			printf("d=%d\n",d);
			dp[i][j]=min(temp,dp[i-1][j-1]+d);
		}	
	}
	printf("0 0 ");
	for(int j=1;j<maxLen1+1;j++)
	{
		printf("%c ",a_s1[j]);
	}
	printf("\n");
	for(int i=0;i<maxLen2+1;i++)
	{
		if(i>0)
		{
			printf("%c ",a_s2[i]);
		}else{
			printf("0 ");
		}
		for(int j=0;j<maxLen1+1;j++)
		{
			printf("%d ",dp[i][j]);
		}
		printf("\n");
	}
	int dis=dp[maxLen2][maxLen1];
	return dis;
}