计算编辑距离

链接：https://www.nowcoder.com/questionTerminal/3959837097c7413a961a135d7104c314
Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。编辑距离的算法是首先由俄国科学家Levenshtein提出的，故又叫Levenshtein Distance。
Ex：
字符串A:abcdefg
字符串B: abcdef
通过增加或是删掉字符”g”的方式达到目的。这两种方案都需要一次操作。把这个操作所需要的次数定义为两个字符串的距离。
要求：
给定任意两个字符串，写出一个算法计算它们的编辑距离。
请实现如下接口

• 功能：计算两个字符串的距离
• 输入： 字符串A和字符串B
• 输出：无
• 返回：如果成功计算出字符串的距离，否则返回-1

这是典型的动态规划问题。
动态规划就是将多个阶段问题，分成类似的多个单阶段来解决。通过求解每个阶段的最优情况，来推算出整个阶段的最优解。

就本题而言，求解两个字符串编辑距离，即两个字符串相等的最小代价。
所以每次比较两字符串，如果当前对应字符相同则没有代价；
否则，会有插入、删除、替换的代价。
对任意A串的第i个字符，B串的第j个字符的动态规划方程：
F(i，j) = min (F(i，j-1) + Cost，F(i-1，j)+Cost，F(i-1，j-1)+Cost)
在F(i-1，j-1)时，要对当前字符比较是否相同，若相同则Cost = 0，不同Cost=1。

代码实现：

#include <iostream>
#include <vector>
#include <string>
#include <algorithm>

using namespace std;

int  calStringDistance(string a, string  b)

{
	if (a.empty() || b.empty())
		return max(a.size(), b.size());

	int lena = a.size();
	int lenb = b.size();
	vector<vector<int> > dp(1 + lena, vector<int>(1 + lenb, 0));
	
	for (int i = 0; i <= lena; i++) dp[i][0] = i;
	for (int i = 0; i <= lenb; i++) dp[0][i] = i;
	
	for (int i = 1; i <= lena; i++){
		for (int j = 1; j <= lenb; j++){
			// 判断第i个字符与第j个字符是否相等
			if (a[i - 1] == b[j - 1]){
				dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + 1;
				// 两字符相等时，dp[i-1][j-1]编辑距离不变
				dp[i][j] = min(dp[i][j], dp[i - 1][j - 1]);
			}
			else{
			// 如果字符不匹配，则取删除，插入，替换中最小的距离 
				dp[i][j] = min(dp[i-1][j], dp[i][j - 1]) + 1;
				dp[i][j] = min(dp[i][j], dp[i - 1][j - 1] + 1);
			}
		}
	}
	
	return  dp[lena][lenb];
}

int main(){
	string a, b;
	while (cin >> a >> b)
		cout << calStringDistance(a, b) << endl;
	return 0;
}