Levenshtein distance最小编辑距离算法实现

动态编程| （编辑距离）

给定两个字符串str1和str2以及可以对str1执行的操作。找出将“str1”转换为“str2”所需的最小编辑次数（操作）。

1. 插入
2. 删除
3. 代替

所有上述操作具有相等的成本。

例子：

输入：str1 =“geek”，str2 =“gesek” 
输出：1 
我们可以通过插入一个's'将str1转换为str2。

输入：str1 =“cat”，str2 =“cut” 
输出：1 
我们可以通过将'a'替换为'u'来将str1转换为str2。

输入：str1 =“sunday”，str2 =“saturday” 
输出：3 
最后三个字符和第一个字符相同。我们基本上
需要将“un”转换为“ atur ”。这可以使用
以下三个操作来完成。
将“n”替换为“r”，插入t，插入a

这种情况下的子问题是什么？
这个想法是从两个字符串的左侧或右侧逐个处理所有字符。
让我们从右边角度穿越，对于每一对字符都有两种可能性。

m： str1（第一个字符串）的
 长度n： str2（第二个字符串）的长度

1. 如果两个字符串的最后字符相同，没有什么可做的。忽略最后一个字符并获取剩余字符串的计数。因此，我们重复长度m-1和n-1。
2. Else（如果最后字符不相同），我们考虑对“str1”的所有操作，考虑对第一个字符串的最后一个字符的所有三个操作，递归计算所有三个操作的最小成本，并取最少三个值。
   1. 插入：对m和n-1重复
   2. 删除：重复m-1和n
   3. 替换：对m-1和n-1重复

下面是上面Naive递归解的Java实现。

Java

// A Naive recursive Java program to find minimum number // operations to convert str1 to str2 class EDIST {      static int min( int x, int y, int z)      {          if (x<y && x<z) return x;          if (y<x && y<z) return y;          else return z;      }        static int editDist(String str1 , String str2 , int m , int n)      {          // If first string is empty, the only option is to      // insert all characters of second string into first      if (m == 0 ) return n;             // If second string is empty, the only option is to      // remove all characters of first string      if (n == 0 ) return m;             // If last characters of two strings are same, nothing      // much to do. Ignore last characters and get count for      // remaining strings.      if (str1.charAt(m- 1 ) == str2.charAt(n- 1 ))          return editDist(str1, str2, m- 1 , n- 1 );             // If last characters are not same, consider all three      // operations on last character of first string, recursively      // compute minimum cost for all three operations and take      // minimum of three values.      return 1 + min ( editDist(str1,  str2, m, n- 1 ),    // Insert                       editDist(str1,  str2, m- 1 , n),   // Remove                       editDist(str1,  str2, m- 1 , n- 1 ) // Replace                                         );      }        public static void main(String args[])      {          String str1 = "sunday" ;          String str2 = "saturday" ;             System.out.println( editDist( str1 , str2 , str1.length(), str2.length()) );      } } /*This code is contributed by Rajat Mishra*/

在IDE上运行

输出：

3

上述解的时间复杂度是指数的。在最坏的情况下，我们可能最终做O（3 ^m）操作。最坏的情况发生在两个字符串的字符都不匹配时。下面是最坏情况下的递归调用图。

我们可以看到，许多子问题被一次又一次解决，例如eD（2,2）被称为三次。由于相同的suproblems被再次调用，这个问题具有重叠子属性。因此，编辑距离问题具有动态规划问题的属性（见这个和这个）。像其他典型的动态编程（DP）问题一样，通过构造存储子参数结果的临时数组，可以避免重新计算相同的子问题。

• Java

Java

// A Dynamic Programming based Java program to find minimum // number operations to convert str1 to str2 class EDIST {      static int min( int x, int y, int z)      {          if (x < y && x <z) return x;          if (y < x && y < z) return y;          else return z;      }        static int editDistDP(String str1, String str2, int m, int n)      {          // Create a table to store results of subproblems          int dp[][] = new int [m+ 1 ][n+ 1 ];                 // Fill d[][] in bottom up manner          for ( int i= 0 ; i<=m; i++)          {              for ( int j= 0 ; j<=n; j++)              {                  // If first string is empty, only option is to                  // isnert all characters of second string                  if (i== 0 )                      dp[i][j] = j;  // Min. operations = j                         // If second string is empty, only option is to                  // remove all characters of second string                  else if (j== 0 )                      dp[i][j] = i; // Min. operations = i                         // If last characters are same, ignore last char                  // and recur for remaining string                  else if (str1.charAt(i- 1 ) == str2.charAt(j- 1 ))                      dp[i][j] = dp[i- 1 ][j- 1 ];                         // If last character are different, consider all                  // possibilities and find minimum                  else                      dp[i][j] = 1 + min(dp[i][j- 1 ],  // Insert                                         dp[i- 1 ][j],  // Remove                                         dp[i- 1 ][j- 1 ]); // Replace              }          }             return dp[m][n];      }                public static void main(String args[])      {          String str1 = "sunday" ;          String str2 = "saturday" ;          System.out.println( editDistDP( str1 , str2 , str1.length(), str2.length()) );      } } /*This code is contributed by Rajat Mishra*/

在IDE上运行

spaces”>                                    dp[i - 1 ][j - 1 ])    # Replace

 

     return dp[m][n]

 

# Driver program

str1 = "sunday"

str2 = "saturday"

 

print (editDistDP(str1, str2, len (str1), len (str2)))

# This code is contributed by Bhavya Jain

Run on IDE

输出：

3

时间复杂度：O（m×n）
辅助空间：O（m×n）

应用：有很多实际应用的编辑距离算法，参考Lucene API的样例。另一个例子，显示字典中靠近给定单词\拼写错误的单词的所有单词。

动态编程

动态编程

关于Venki

软件工程师

查看Venki发表的所有帖子→

推荐帖子：

• 动态编程| 设置6（最低成本路径）
• 动态编程| 集合4（最长公共子序列）
• 动态编程| 设置7（硬币更改）
• 动态编程| 设置1（重叠子问题属性）
• 将一个集合分成两个子集，使得子集和的差最小

帖子导航

<<上一页 下一页>>

arrPost.push('13178'); arrPost.push('Dynamic Programming | Set 5 (Edit Distance)'); arrPost.push('http://www.geeksforgeeks.org/dynamic-programming-set-5-edit-distance/'); arrPost.push('Dynamic Programming');

（ 登录 并评价）

3.2 平均难度：3.2 / 5.0
基于162票，

添加到TODO列表 标记为完成