最小编辑距离算法

2019独角兽企业重金招聘Python工程师标准>>>

概念

字符串的编辑距离，又称为Levenshtein距离，由俄罗斯的数学家Vladimir Levenshtein在1965年提出。是指利用字符操作，把字符串A转换成字符串B所需要的最少操作数。其中，字符操作包括：

• 删除一个字符     a) Insert a character
• 插入一个字符     b) Delete a character
• 修改一个字符     c) Replace a character

例如对于字符串"if"和"iff"，可以通过插入一个'f'或者删除一个'f'来达到目的。

一般来说，两个字符串的编辑距离越小，则它们越相似。如果两个字符串相等，则它们的编辑距离（为了方便，本文后续出现的“距离”，如果没有特别说明，则默认为“编辑距离”）为0（不需要任何操作）。不难分析出，两个字符串的编辑距离肯定不超过它们的最大长度（可以通过先把短串的每一位都修改成长串对应位置的字符，然后插入长串中的剩下字符）。

问题描述

给定两个字符串A和B，求字符串A至少经过多少步字符操作变成字符串B。 

问题分析

例如： 
我们有两个字符串： kitten 和 sitting: 
现在我们要将kitten转换成sitting 
我们可以做如下的一些操作；

k i t t e n –> s i t t e n 将K替换成S
sitten –> sittin 将 e 替换成i
sittin –> sitting 添加g

在这里我们设置每经过一次编辑，也就是变化（插入，删除，替换）我们花费的代价都是1。

算法基本步骤：

（1）构造 行数为m+1 列数为 n+1 的矩阵 , 用来保存完成某个转换需要执行的操作的次数，将串s[1..n] 转换到 串t[1…m] 所需要执行的操作次数为matrix[n][m]的值；

（2）初始化matrix第一行为0到n，第一列为0到m。

Matrix[0][j]表示第1行第j-1列的值，这个值表示将串s[1…0]转换为t[1..j]所需要执行的操作的次数，很显然将一个空串转换为一个长度为j的串，只需要j次的add操作，所以matrix[0][j]的值应该是j，其他值以此类推。

（3）检查每个从1到n的s[i]字符；

（4）检查每个从1到m的s[i]字符；

（5）将串s和串t的每一个字符进行两两比较，如果相等，则让cost为0，如果不等，则让cost为1（这个cost后面会用到）;

(6)a、如果我们可以在k个操作里面将s[1..i-1]转换为t[1..j]，那么我们就可以将s[i]移除，然后再做这k个操作，所以总共需要k+1个操作。

b、如果我们可以在k个操作内将 s[1…i] 转换为 t[1…j-1] ，也就是说d[i,j-1]=k，那么我们就可以将 t[j] 加上s[1..i]，这样总共就需要k+1个操作。

c、如果我们可以在k个步骤里面将 s[1…i-1] 转换为 t [1…j-1]，那么我们就可以将s[i]转换为 t[j]，使得满足s[1..i] == t[1..j]，这样总共也需要k+1个操作。（这里加上cost，是因为如果s[i]刚好等于t[j]，那么就不需要再做替换操作，即可满足，如果不等，则需要再做一次替换操作，那么就需要k+1次操作）

因为我们要取得最小操作的个数，所以我们最后还需要将这三种情况的操作个数进行比较，取最小值作为d[i,j]的值；

d、然后重复执行3,4,5,6，最后的结果就在d[n,m]中；

图解：

step 1：初始化如下矩阵

step 2：从源串的第一个字符（“j”）开始，从上至下与目标串进行对比

如果两个字符相等，则在从此位置的左，上，左上三个位置中取出最小的值；若不等，则在从此位置的左，上，左上三个位置中取出最小的值再加上1；

第一次，源串第一个字符“j” 与目标串的“j”对比,左，上，左上三个位置中取出最小的值0，因为两字符相等，所以加上0；接着，依次对比“j”→“e”，“j”→“r”，“j”→“r”，，“j”→“y” 到扫描完目标串。

step 3：遍历整个源串与目标串对比：

step 4：扫描完最后一列，则最后一个为最短编辑距离：

最小编辑距离算法

package com.math;
/**
 * Created with IntelliJ IDEA.
 * Description: 编辑距离算法 又称为 Levenshtein算法
 * User: zhubo
 * Date: 2017-11-02
 * Time: 11:54
 */
public class Levenshtein {


    public static void main(String[] args) {
        String str1 = "beauty";
        String str2 = "batyu";
        System.out.println(getLevenShtein(str1,str2));
    }

    /**
     * 获取最小编辑距离静态方法
     * @param str1
     * @param str2
     * @return
     */
    public static int getLevenShtein(String str1 , String str2){
        int[][] array = initArray(str1,str2);
        for(int i= 1 ; i<= str2.length();i++){//i 是竖排
            for(int j = 1; j <= str1.length() ; j++){//j 是横排
                setValue(array,i,j,str2.charAt(i-1) == str1.charAt(j-1));
            }
        }
        printArray(array);
        return array[str2.length()][str1.length()];
    }

    /**
     *
     * @param array
     * @param i 代表纵向量
     * @param j 代表横向量
     * @param flag 代表字符是否相等
     */
    private static void setValue(int[][] array,int i , int j, boolean flag){
        int ss = array[i-1][j-1];
        int dd = array[i-1][j] +1;
        int pp = array[i][j-1] +1;
        if(flag){
            array[i][j] = getMin(ss,dd,pp);
        }else{
            array[i][j] = getMin(ss+1,dd,pp);
        }
    }

    /**
     * 求三个值中的最小值
     * @param a
     * @param b
     * @param c
     * @return
     */
    private static int getMin(int a, int b , int c){
        return Math.min(Math.min(a,b),c);
    }

    /**
     * 打印矩阵
     * @param array
     */
    private static void printArray(int[][] array){
        for(int i = 0; i < array.length;i++){
            for(int j = 0;j<array[i].length ; j++){
                System.out.print(array[i][j]+" ");
            }
            System.out.println();
        }
    }

    /**
     * 初始化矩阵
     * @param str1 横坐标代表字符串
     * @param str2 纵坐标代表字符串
     * @return
     */
    private static int[][] initArray(String str1,String str2){
        int len1 = str1.length();
        int len2 = str2.length();
        int[][] array = new int[len2+1][len1+1];
        for(int i = 0 ; i<= len1;i++){
            array[0][i] = i;
        }
        for(int i = 0 ; i<= len2 ; i++){
            array[i][0] = i;
        }
        return array;
    }
}

 

 

 

 

 

 

转载于:https://my.oschina.net/LucasZhu/blog/1559972