最小编辑距离算法

最小编辑距离算法

简介：
通俗地来讲，编辑距离指的是在两个单词<w_1,w_2>之间，由其中一个单词w_1转换为另一个单词w_2所需要的最少单字符编辑操作次数。
定义的单字符编辑操作有三种， 每种操作的权重为1：

• 插入（Insertion）

• 删除（Deletion）

• 替换（Substitution）

假设求取字符串A和B 的 edit distance, 上述操作可理解为：

• 删除A末尾一个字符(deletion)
• 用B末尾插入A末尾一个字符(insertion)
• 把A末尾字符替换成B末尾的一个字符(substitution)

公式定义:
我们将两个字符串 a,b 的 Levenshtein Distance 表示为lev_{a,b}(|a|, |b|)，其中|a| 和 |b| 分别对应a,b 的长度。那么，在这里lev_{a,b}(|a|, |b|) 可用如下的数学语言描述：
lev_{a,b}(i, j)指的是 a 中前 i 个字符和 b 中前 j 个字符之间的距离。为了方便理解，这里的i,j可以看作是a,b的长度。这里的字符串的字符 index 从 1 开始，因此最后的编辑距离便是i = |a|, j = |b|时的距离：lev_{a,b}(|a|, |b|)

当 min(i, j) = 0的时候，对应着a 中前 i 个字符和 b 中前 j 个字符，此时的 i,j 有一个值为 0 ，所以它们之间的距离为max(i, j)，即 i,j 中的最大者。

当min(i, j) != 0 的时候，lev_{a,b}(|a|, |b|) 为如下三项的最小值：
1.lev_{a,b}(i-1, j)表示 删除 a_i
2.lev_{a,b}(i, j-1)表示 插入 b_j
3.lev_{a,b}(i-1, j-1)+1_{(a_i != b_j)} 表示 替换 b_j

1_{(a_i != b_j)} 为一个指示函数，表示当a_i = b_j的时候取 0 ;当a_i != b_j的时候，其值为 1。

过程图示：
有如下动态规划公式：

if i == 0 且 j == 0，edit(i, j) = 0
if i == 0 且 j > 0，edit(i, j) = j
if i > 0 且j == 0，edit(i, j) = i
if i ≥ 1  且 j ≥ 1 ，edit(i, j) == min{ edit(i-1, j) + 1, edit(i, j-1) + 1, edit(i-1, j-1) + f(i, j) }，当第一个字符串的第i个字符不等于第二个字符串的第j个字符时，f(i, j) = 1；否则，f(i, j) = 0。

计算edit(1, 1)，edit(0, 1) + 1 == 2，edit(1, 0) + 1 == 2，edit(0, 0) + f(1, 1) == 0 + 1 == 1，min(edit(0, 1)，edit(1, 0)，edit(0, 0) + f(1, 1))==1，因此edit(1, 1) == 1。 依次类推：