最短编辑距离

写给对问题有了解的人

从一个例子开始(Leetcode72)
a = 'horse', b= 'row'
从a变成b最短需要几步？
输出: 3
解释: 
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')

从上面的解释我们可以知道什么？
看第一步，将 'h' 替换为 'r'。
- 是否可以直接删除h呢？显然可以。
- 是否可以在h前面插入r呢？当然也行。
- 将h替换成r呢？也是可以的。

选择很多，哪个选择更好呢？分别使用三种方法做一次改变，然后递归下去。
比较三种方法需要的最小次数就行了

作为动态规划的经典题目，先写递归再转移方程

递归

以下陈述的前提是将a变成b

• 如果a[i] == b[i]。如a = 'one', b='ohe'，计算a='ne'和b=‘he’的编辑距离就行.
• 如果a[i] != b[i]，比较三种方法需要的最短编辑距离就行
  • 插入法，插入后可保证a[i] == b[i]，此时需要计算a[i:]和b[i+1:]的编辑距离。如a='abc', b='dbc'，先将a变成'dabc'，然后比较a='abc'与b='bc'的编辑距离。当然具体编程的时候不需要真的插入元素，只需要将结果加上1就行了
  • 删除法。老规矩，a='abc', b='dbc'，将a变成bc，然后比较a='bc'和b=‘dbc’的编辑距离
  • 替换法。a='abc', b='dbc'。将a变成'dbc'，比较a='bc’和b='bc’的编辑距离即可

综上所述，递归方程为
$$f(a,b)=\{\begin{array}{ll}f(a[i+1:],b[i+1:])& \text{a[i]=b[i]}\\ min(f(a,b[i+1:]),f(a[i+1:],b),f(a[i+1:],b[i+1:]))+1& \text{a[i]!=b[i]}\\ len(a)& \text{len(b)==0}\\ len(b)& \text{len(a)==0}\end{array}$$

Python代码

def editdistance(a, b):
    if not a:     # 条件四
        if not b:
            return 0
        return len(b)
    if not b:  # 条件三
        if not a:
            return 0
        return len(a)
    for i in range(len(b)):
        if a[i] == b[i]:   # 条件一
            return editdistance(a[i+1:], b[i+1:])
        else:  # 条件二
            # 删除、插入、替换
            delete = 1 + editdistance(a[i+1:], b[i:])
            insert = 1 + editdistance(a[i:], b[i+1:])
            replace = 1 + editdistance(a[i+1:], b[i+1:])
            return min(delete, insert, replace)

但是递归的时间复杂度是让人难以忍受的

动态规划

有了递归，动态规划的代码就好写了
附上一个LeetCode72自己已经AC的代码

class Solution:
    def minDistance(self, a: str, b: str) -> int:
        if not a:
            if not b:
                return 0
            return len(b)
        if not b:
            if not a:
                return 0
            return len(a)
        
        row, col = len(a), len(b)
        DP = [[0 for _ in range(col+1)] for _ in range(row+1)]
        for i in range(1, col+1):
            DP[0][i] = i
        for i in range(1, row+1):
            DP[i][0] = i
        
        for i in range(1, row+1):
            for j in range(1, col+1):
                if a[i-1] == b[j-1]:
                    DP[i][j] = DP[i-1][j-1]
                else:
                    DP[i][j] = min(DP[i-1][j-1], DP[i][j-1], DP[i-1][j]) + 1
        return DP[-1][-1]

代码很简单，把
DP[i][j] = min(DP[i-1][j-1], DP[i][j-1], DP[i-1][j]) + 1
拿出来说一下，这个对应的相当于条件二