LeetCode学习笔记——编辑距离（动态规划）

个人博客：The Blog Of WaiterXiaoYY 欢迎来互相交流学习。

对动态规划的理解程度：★★◐☆☆
被动态规划折磨了这么久，今天总算是可以说有点手感了，

编辑距离也算是动态规划里面比较经典的，

当拿到题目的时候，也是很懵的，不愧是困难程度，

但如果按照动态规划的套路来分析问题，

或许能清晰一点，

动态规划的套路是什么？

分清状态和选择。

我们先来看一下题目：

给定两个单词 word1 和 word2，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

给定两个单词，比如word1 = "horse"，word2= "ros"，

如果将 horse 转换成 ros ，怎么增/删/换的步骤是最少的，

我们知道这道题最少的步骤是 3，

具体是这样做的：

horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')

那怎么样才能计算出最少的步骤？

穷举！

穷举什么？

对每一处都进行三次选择，

再取能令总的操作数最小的操作。

很抽象对不对。

做这个笔记时，曾一度中止，主要是在脑子里面无法形成生动形象的言语在字面上表现出来，

但如果理解了，现实中三言两语就可以说的清楚。

先看回我们这道题，

对比两个字符串，我们一般采用双指针，

上面操作的第一步是将 h 替换成 r，这其实是我们判断完后才知道的操作，

我们应该怎么判断？

我们需要两个指针，这两个指针分别指向两个字符串尾部，如图：

此时进行判断，

如果此处字符对应相等，那么不做任何操作，p，q都往前移动，操作数等于移动后对应的操作数，

这里不理解？先暂时跳过加粗的部分，你现在只需要知道如果相同，就一起前移。

但实际上这里的两个字符是不同的，

那就得进行选择，到底是删掉e，还是将e替换成s，还是在后面补上s呢？

小孩子才做选择，我全部都试一遍，

如果是删掉e，将变成这样：

p将迁移，q保持不动，

好，这是删掉的情况，如果是替换的情况呢？

替换之后就相等了，那么p，q都将往前迁移，如图：

如果是增加呢？

那就是在 e 的后面加上 s，然后p要保持不动，q所指已经有匹配了，所以 q 要向前移动，如图：

好，到这里，以上每种操作，操作数都是 1，执行完之后，我们的操作数 + 1，

咦？为什么是 1 不是 3 呢？

因为我们只需要上面的其中一种，虽然我们进行了三次操作，但是只有一种操作能使总的操作数最少，是谁呢？

暂时还不清楚，得看谁？

得看执行后的的位置上进行这样三次操作，一直到其中一个字符串被遍历完，

所以这就转换成为我们熟悉的 最优解子问题，

要看我这个操作是不是能使总的操作数达到最小，就得看我的子问题能不能使操作数达到最小，

这就是我们的状态和选择，

回到我刚刚说的先不理会的加粗部分，如果此时两个字符相等，就一起迁移，

此时的问题就转成为子问题的求解，子问题最小，则其最小。

所以状态和选择我们都搞清楚了，只需要再搞清楚结束条件和初始值，就可以列举出我们的状态转移方程了。

• 结束条件是什么？

当 p 或者 q指向字符串的前面时候，就代表结束了，以下展示的是同时到达最前面，也就是这个问题最优的情况，

如果是这样呢？

q走完了，但是p还没有走完，那就用删除操作把p前面的全部删掉，

如果是 p 走完了，但是 q 没走完，那么就用增加操作将 q 前面的所有加到 p 所指的位置，

• 那初始值是什么？

当然就是一方字符串为空，操作数就是另一字符串的长度。

到了这里，应该我们的状态转移方程就可以写出来了：

dp[i][j] = min(dp[i - 1][j - 1] + 1, dp[i - 1][j] + 1, dp[i][j - 1] + 1)
// i是指向word1的指针，j是指向word2的指针
//dp[i][j]表示当前位置的操作所能达到的最小操作数
//dp[i - 1][j - 1] + 1 表示替换，替换后的子问题加上1就是当前的最小操作数
//dp[i - 1][j] + 1 表示删除，删除后的子问题加1就是当前的最小操作数
//dp[i][j - 1] + 1 表示增加，增加后的子问题加1就是当前的最小操作数

代码

class Solution {
    public int minDistance(String word1, String word2) {
        //将字符串转为字符数组
        char []s1 = word1.toCharArray();
        char []s2 = word2.toCharArray();
        //创建一个二维数组
        int [][]dp = new int[s1.length + 1][s2.length + 1];
        //初始值条件
        for(int i = 1; i <= s1.length; i++)
            dp[i][0] = i;
        for(int j = 1; j <= s2.length; j++) 
            dp[0][j] = j;
        
        int temp;
        //开始遍历两个字符串
        for(int i = 1; i <= s1.length; i++) {
            for(int j = 1; j <= s2.length; j++) {
                //如果当前位置对应相等，则当前的最小操作数等于子问题的操作数
                if(s1[i - 1] == s2[j - 1])
                    dp[i][j] = dp[i - 1][j - 1];
                else {
                    //判断三种操作的最小操作数
                    temp = Math.min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);
                    dp[i][j] = Math.min(dp[i - 1][j - 1] + 1, res);
                }
            }
        }
        return dp[s1.length][s2.length];
    }
}

呼~

---

整理于2020.3.26