每日一题：编辑距离

给你两个单词 word1 和 word2，请你计算出将 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’)

编辑距离算法被数据科学家广泛采用，是用作机器翻译和语言识别评价标准的基本算法。

使用动态规划方法处理：
对于三种操作：插入一个字符、删除一个字符、替换一个字符；可以进行归约。
假设有单词A和单词B：
向单词A插入一个字符等价于从单词B中删除一个字符；
从单词B删除一个字符也等价于向单词A插入一个字符；
对单词A替换一个字符等价于对单词B替换一个字符；
所以对于单词A和B的操作从本质上来说就只有如下三种：
向单词A中插入一个字符；向单词B中插入一个字符；修改单词A的一个字符；

动态规划表Dp[i][j]表示A的前i个字母和B的前j个字母之间的编辑距离。
当获得Dp[i][j-1]，Dp[i-1][j]和Dp[i-1][j-1]的值之后就可以计算出Dp[i][j]。

D[i][j-1]为A的前i个字符和B的前j-1个字符编辑距离的子问题。即对于B的第j个字符，可以在A的末尾添加一个相同的字符，则Dp[i][j]最小可以为Dp[i][j-1] + 1；

D[i-1][j]为A的前i-1个字符和B的前j个字符编辑距离的子问题。即对于A的第i个字符，可以在B的末尾添加一个相同的字符，则Dp[i][j]最小可以为Dp[i-1][j] + 1；

Dp[i-1][j-1]为A前i-1个字符和B的前j-1个字符编辑距离的子问题。即对于B的第j个字符，可以修改A的第i字符使之相同，则Dp[i][j]最小可以为Dp[i-1][j] + 1，特别地，如果A的第i个字符和B的第j个字符原本就相同，那么实际上不需要进行修改操作，此时，Dp[i][j]最小可以为Dp[i-1][j-1]。
状态转移方程为：
若A和B的最后一个字母相同：
$Dp[i][j]=min(Dp[i][j-1]+1,Dp[i-1][j]+1,Dp[i-1][j-1])$
$=1+min(Dp[i][j-1],Dp[i-1][j],Dp[i-1][j-1]-1)$
若A和B的最后一个字母不同：
$Dp[i][j]=1+min(Dp[i][j-1],Dp[i-1][j],Dp[i-1][j-1])$

对于边界情况，一个空串和一个非空串的编辑距离为Dp[i][0] = i 和Dp[0][j]=j，Dp[i][0]相当于对word1执行i次删除操作，Dp[0][j]相当于对word1执行j次插入操作。

class Solution {
public:
    int minDistance(string word1, string word2) {
        int n = word1.length(); // word1的长度
        int m = word2.length(); // word2的长度

        // 有一个字符串为空串
        if (n * m == 0) return n + m;

        // DP表
        int Dp[n+1][m+1];

        //边界状态初始化
        for (int i = 0; i < n + 1; i++) {
            Dp[i][0] = i;
        }
        for (int j = 0; j < m + 1; j++) {
            Dp[0][j] = j;
        }

        // 计算所有DP值
        for (int i = 1; i < n + 1; i++) {
            for (int j = 1; j < m + 1; j++) {
                int left = Dp[i-1][j] + 1;
                int right = Dp[i][j-1] + 1;
                int change = Dp[i-1][j-1];
                if (word1[i-1] !=  word2[j-1]) { // 如果A的第i个字符和B的第j个字符相等，则不需要进行额外操作
                    change += 1;
                }
                Dp[i][j] = min(left, min(right, change));
            }
        }
        return Dp[n][m];
    }
};