72. 编辑距离

链表算法题（程序员面试宝典）

解题思路主要来源于leetcode官方与《程序员面试宝典》。

72. 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’)

提示：

0 <= word1.length, word2.length <= 500
word1 和 word2 由小写英文字母组成

解题方法

参考资料1:https://labuladong.gitbook.io/algo/dong-tai-gui-hua-xi-lie/1.2-zi-xu-lie-lei-xing-wen-ti/bian-ji-ju-li

解题思路1

递归法

class Solution {
    public int minDistance(String word1, String word2) {
        //递归法 将word1 -> word2
        return dp(word1,word1.length()-1,word2,word2.length()-1);
    }

    //dp 函数表示word1[0..i] 与 word2[0..j] 的最小编辑距离
    public int dp(String word1,int i,String word2,int j){

        //base case
        if(i==-1){
            //word1 字符串为空时，返回j+1 字符串长度表示 对word1进行j+1次插入操作
            return j+1;
        }
        if(j==-1){
            //word2 字符串为空时，返回i+1 字符串长度 表示 对word1进行i+1次删除操作
            return i+1;
        }
        
        if(word1.charAt(i)==word2.charAt(j)){
            //当前字符串一致，则不进行任何操作
            return dp(word1,i-1,word2,j-1);
        }else{
            //返回最小的编辑距离
            return Math.min(
                dp(word1,i,word2,j-1)+1, //word1进行插入操作
                Math.min(
                    dp(word1,i-1,word2,j)+1,  //word1进行删除操作
                    dp(word1,i-1,word2,j-1)+1  //word1进行替换操作
                )
            );
        }
    }
}

解题思路2

有重叠子问题，带有备忘录的递归法

class Solution {

    //备忘录
    int[][] memo;
    public int minDistance(String word1, String word2) {
        memo = new int[word1.length()][word2.length()];
        for(int[] row:memo){
            //-1 表示未操作
            Arrays.fill(row,-1);
        }
        //递归法 将word1 -> word2
        return dp(word1,word1.length()-1,word2,word2.length()-1);
    }

    //dp 函数表示word1[0..i] 与 word2[0..j] 的最小编辑距离
    public int dp(String word1,int i,String word2,int j){


        //base case
        if(i==-1){
            //word1 字符串为空时，返回j+1 字符串长度表示 对word1进行j+1次插入操作
            return j+1;
        }
        if(j==-1){
            //word2 字符串为空时，返回i+1 字符串长度 表示 对word1进行i+1次删除操作
            return i+1;
        }
        
        if(memo[i][j] != -1){
            return memo[i][j];
        }
        if(word1.charAt(i)==word2.charAt(j)){
            //当前字符串一致，则不进行任何操作
            memo[i][j] = dp(word1,i-1,word2,j-1);
        }else{
            //返回最小的编辑距离
            memo[i][j] = Math.min(
                dp(word1,i,word2,j-1)+1, //word1进行插入操作
                Math.min(
                    dp(word1,i-1,word2,j)+1,  //word1进行删除操作
                    dp(word1,i-1,word2,j-1)+1  //word1进行替换操作
                )
            );
        }
        return memo[i][j];
    }
}

解题思路3

动态规划，自底向上

class Solution {

    public int minDistance(String word1, String word2) {
        //动态规划法
        int m = word1.length();
        int n= word2.length();
        //dp[i][j]数组表示 word1[1..i]与word2[1..j]的最小编辑距离
        int[][] dp = new int[m+1][n+1];
        //base case
        for(int i=0;i<=m;i++){
            //word1[1..i]与空字符串的最小编辑距离 即为word1的长度
            dp[i][0] = i;
        }
        for(int j=1;j<=n;j++){
            //word2[1..j]与空字符串的最小编辑距离 即为word2的长度
            dp[0][j] = j;
        }

        //自底向上,动态规划
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                if(word1.charAt(i-1)==word2.charAt(j-1)){
                    //字符相等，则执行跳过操作
                    dp[i][j] = dp[i-1][j-1];
                }else{
                    dp[i][j] = Math.min(
                        Math.min(
                            dp[i][j-1]+1, //插入操作
                            dp[i-1][j]+1       //删除操作
                        ),
                        dp[i-1][j-1]+1   //替换操作
                    );
                }
            }
        }
        return dp[m][n];
    }
}