这篇文章是今天的第二更了
也是第一次在同一天当中更两篇文章了
主要是觉得前段时间太懒了
无论是学习还是生活
节奏都变得特别慢
想要有紧迫感
所以想着要把之前空下的文章都慢慢补起来
72-编辑距离
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
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')
思路:
这一题刚开始真的是看的云里雾里的,今天心情很好,就打开度娘找了找网上大佬们的思路,发现普遍都用动态规划的方法解决。说到动态规划那自然是太熟悉了,之前就写了一篇关于此类思想的文章,在这儿还是要一如既往的打个广告,哈哈哈哈哈哈。
https://blog.csdn.net/weixin_36431280/article/details/86616672
真的很建议大家看看,里面关于动态规划题目的具体解题步骤我都写的很清楚了。说到这一题,既然是要用动态规划的思想来解决,那核心步骤自然是要找到相应的状态转移方程喽。那怎么找规律呢?不急,我们可以先看题目中给出的例一所对应的状态转移方程。
对应这个图表,其实我们可以很快的找出规律。主要的情况分为两种:
记对应的标记矩阵为flag_matrix
- word2[row-1] == word1[col-1] : 此时的状态转移方程为:flag_matrix[row][col] = flag_matrix[row-1][col-1]
- word2[row-1] != word1[col-1] :此时的状态转移方程为:flag_matrix[row][col] = min(flag_matrix[row-1][col], flag_matrix[row - 1][col - 1], flag_matrix[row][col-1]) + 1
方程一找到,那代码就很好写了。
代码如下:
class Solution(object):
# 本题采用动态规划的方法
def minDistance(self, word1, word2):
"""
:type word1: str
:type word2: str
:rtype: int
"""
# 获取给定字符串word1与word2的长度
len_word1 = len(word1)
len_word2 = len(word2)
# 构建一标记矩阵,并初始化
flag_matrix = []
for row in range(len_word2+1):
if row == 0:
flag_matrix.append(list(range(len_word1+1)))
else:
single_col = []
for col in range(len_word1+1):
if col == 0:
single_col.append(row)
else:
single_col.append(0)
flag_matrix.append(single_col)
# 开始利用状态转移方程来求标记矩阵相应位置的值,主要有三种情况
for row in range(1, len_word2+1):
for col in range(1, len_word1 + 1):
if word2[row-1] == word1[col-1]:
flag_matrix[row][col] = flag_matrix[row-1][col-1]
else:
flag_matrix[row][col] = min(flag_matrix[row-1][col], flag_matrix[row - 1][col - 1],
flag_matrix[row][col-1]) + 1
return flag_matrix[len_word2][len_word1]
if __name__ == "__main__":
word1 = "sea"
word2 = "eat"
steps = Solution().minDistance(word1, word2)
print(steps)
执行效率一般,在40%左右。