123. Leetcode 72. 编辑距离 (动态规划- 字符串系列)

 

步骤一、确定状态:

确定dp数组及下标含义 dp[i][j]表示word1[:i]的单词与word2[:j]单词之间的最小编辑距离

步骤二、推断状态方程:

在确定递推公式的时候，首先要考虑清楚编辑的几种操作，整理如下: if (word1[i - 1] == word2[j - 1]):

不操作
if (word1[i - 1] != word2[j - 1]):

插入操作 删除操作 替换操作

步骤二、推断状态方程:

if (word1[i - 1] == word2[j - 1]) 那么说明不用任何编辑，
dp[i][j] 就应该是 dp[i - 1][j - 1]， 即dp[i][j] = dp[i - 1][j - 1];

步骤二、推断状态方程:

if (word1[i - 1] != word2[j - 1])

操作一:word1删除一个元素，那么就是以下标i - 2为结尾的 word1 与 j-1为结尾的word2的最近编辑距离 再加上一个操作。 即 dp[i][j] = dp[i - 1][j] + 1;

操作二:word2删除一个元素，那么就是以下标i - 1为结尾的 word1 与 j-2为结尾的word2的最近编辑距离 再加上一个操作。 即 dp[i][j] = dp[i][j - 1] + 1;

步骤二、推断状态方程:

word2添加一个元素，相当于word1删除一个元素 dp数组如下图所示意的:

步骤二、推断状态方程:

if (word1[i - 1] != word2[j - 1])

操作三:替换元素，word1替换word1[i - 1]，使其与word2[j - 1] 相同，此时不用增加元素，那么以下标i-2为结尾的word1 与 j-2为 结尾的word2的最近编辑距离 加上一个替换元素的操作。

即dp[i][j]=dp[i-1][j-1]+1;

综上，当 if (word1[i - 1] != word2[j - 1]) 时取最小的，即:dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;

步骤三、规定初始条件:

初始条件:

全局初始化为0，而第一行和第一列需要初始化

步骤四、计算顺序: 从如下四个递推公式:

dp[i][j] = dp[i - 1][j - 1]
dp[i][j] = dp[i - 1][j - 1] + 1
dp[i][j] = dp[i][j - 1] + 1
dp[i][j] = dp[i - 1][j] + 1 可以看出dp[i][j]是依赖左方，上方和左上方元素的，如图:

所以在dp矩阵中一定是从左到右从上到下去遍历，dp数组从 [1,1]位置遍历，外层遍历word1， 内层遍历word2。

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        # 异常判断
        if len(word2) == 0:
            return len(word1)
        if len(word1) == 0:
            return len(word2)
        # 初始化
        dp = [[0 for _ in range(len(word2) + 1)] for _ in range(len(word1) + 1)]
        for i in range(len(word1) + 1):
            dp[i][0] = i
        for j in range(len(word2) + 1):
            dp[0][j] = j

        for i in range(1, len(word1) + 1):
            for j in range(1, len(word2) + 1):
                if word1[i-1] == word2[j-1]:
                    dp[i][j] = dp[i-1][j-1]
                else:
                    dp[i][j] = min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1


        return dp[-1][-1]