LeetCode72-编辑距离

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：

1. 插入一个字符
2. 删除一个字符
3. 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

1. 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]
2. 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。