python编辑距离edit distance_求解编辑距离（Edit Distance）

题目链接：https://leetcode.com/problems/edit-distance/description/。

字符串相关的算法题的求解，很多需要用到动态规划思想。动态规划本质以空间换时间，记录发生过的状态，用于后面状态的处理，避免重复计算。难点在于状态转换规律的总结。

回到编辑距离的问题上来。定义二维矩阵dp，dp[i][j]表示长度为i和j的两个字符串的编辑距离。接下来，我们探讨dp[i][j]与dp[i-1][j-1]的递推关系，假定第一个字符串(word1)的末字符为“x”，第二个字符串(word2)的末字符为“y”，如下图：

Edit Distance

分析如下：

如果x == y，dp[i][j] == dp[i-1][j-1];

如果x != y，word1字符串插入y，则dp[i][j] = dp[i][j-1] + 1;

如果x != y，word1字符串删除x，则dp[i][j] = dp[i-1][j] + 1;

如果x != y，word1字符串替换x为y，则dp[i][j] = dp[i-1][j-1] + 1;

所以，当x !=y，dp[i][j]为这三种情形的最小值。

还有一点，dp二维数组的初始化：

dp[i][0] = i，dp[0][j] = j。

Accept代码如下:

class Solution {

public int minDistance(String word1, String word2) {

// +1是为了从len=0的字符串算起

int[][] dp = new int[word1.length() + 1][word2.length() + 1];

// dp二维数组的初始化

dp[0][0] = 0;

for (int i=1; i

{

dp[i][0] = i;

}

for (int i=1; i

{

dp[0][i] = i;

}

// dp的关系递推

for (int i=1; i

for(int j=1; j

{

if(word1.charAt(i-1) == word2.charAt(j-1))

{

dp[i][j] = dp[i-1][j-1];

}

else

{

dp[i][j] = Math.min(Math.min(dp[i-1][j], dp[i][j-1]), dp[i-1][j-1]) + 1;

}

}

return dp[word1.length()][word2.length()];

}

}