【leetcode】72. 编辑距离【动态规划】

题目：

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：

我们通过两个指针i和j分别指向word1和word2。我们定义函数f(i,j) f(i,j)f(i,j)表示word1[:i]转换为word2[:j]需要的最少步骤。

我们首先要比较word1[i-1]和word2[j-1]是不是相同，如果相同的话，我们就不用做任何操作，所以此时f(i,j)=f(i−1,j−1) f(i,j)=f(i-1,j-1)f(i,j)=f(i−1,j−1)（i和j都向前挪一个位置）。

接着对于不相同的时候我们的情况比较复杂，我们有三种处理手段，分别是insert、replace和remove。我们先看insert操作。我们insert完之后，也就是word1中的元素会保持不变，而j会向前挪一个位置，也就是f(i,j)=f(i,j−1)+1 f(i,j)=f(i,j-1)+1f(i,j)=f(i,j−1)+1。接着考虑replace操作，replace会减少word1和word2中一个需要比较的元素（i和j会向前挪一个位置），也就是f(i,j)=f(i−1,j−1)+1 f(i,j)=f(i-1,j-1)+1f(i,j)=f(i−1,j−1)+1。我们接着考虑最后一个remove操作，这个就很容易了，word1中会减少一个需要比较的元素，而我们j的位置不变，也就是f(i,j)=f(i−1,j)+1 f(i,j)=f(i-1,j)+1f(i,j)=f(i−1,j)+1。所以我们最后的结果相当三者取最小值即可。

f(i,j)=min(f(i−1,j),f(i,j−1),f(i−1,j−1))+1  if word1[i]≠word2[j] f(i,j)=min(f(i-1,j),f(i,j-1),f(i-1,j-1))+1\ \ if\ word1[i]\neq word2[j]f(i,j)=min(f(i−1,j),f(i,j−1),f(i−1,j−1))+1  if word1[i] 
̸
​    
 =word2[j]
f(i,j)=f(i−1,j−1)   if word1[i]=word2[j] f(i,j)=f(i-1,j-1)\ \ \ if \ word1[i]=word2[j]f(i,j)=f(i−1,j−1)   if word1[i]=word2[j]
接着我们要考虑初始条件，也就是word1和word2为空的情况，此时也非常简单f(i,0)=i f(i,0)=if(i,0)=i、f(0,j)=j f(0,j)=jf(0,j)=j。

代码：

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        word1_len,word2_len = len(word1)+1,len(word2)+1
        dp = [[0]*word2_len for i in range(word1_len)]
        for i in range(1,word1_len):
            dp[i][0] = i
        for j in range(1,word2_len):
            dp[0][j] = j
        for i in range(1,word1_len):
            for j in range(1,word2_len):
                if word1[i-1] == word2[j-1]:
                    dp[i][j] = dp[i-1][j-1]
                else:
                    dp[i][j] = min(dp[i-1][j],dp[i][j-1],dp[i-1][j-1])+1
        return dp[-1][-1]