高级动态规划

高级DP为什么复杂,
第一:状态定义
第二:状态转移方程
它的复杂度来源于什么地方
1 状态拥有更多维度(二维,三维,或者更多,甚至需要压缩(比如斐波那契只需要两个变量))每个维度是什么,逻辑清晰
2 状态转移方程

编辑距离

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’)

优化点:
首先这两个单词它的长度假设为m和n的话,长度更长的单词只可能长度减少
长度少的单词只可能长度增加,也就是最后词的长度变化范围在m和n直接,长度向中间逼近
DP方程,
定义dp[i][j] 第一维i表示第一个字符串匹配的长度,第二维j表示第二个字符串匹配的长度即word1.substr(0, i), word2.substr(0, j)之间的编辑距离

如果 word1[i] 与 word2[j] 相同，显然 dp[i][j]=dp[i-1][j-1]
• 如果 word1[i] 与 word2[j] 不同，那么 dp[i][j] 可以通过

1. 在 dp[i-1][j-1] 的基础上做 replace 操作达到目的
2. 在 dp[i-1][j] 的基础上做 insert 操作达到目的
3. 在 dp[i][j-1] 的基础上做 delete 操作达到目的
4. 取三者最小情况即可

爬楼梯