000编辑距离困难 LeetCode72. 编辑距离

72. 编辑距离

描述

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 。

分析

• dp[i][j]
  dp[i][j]代表word1到i-1位置的字符串转换成word2到j-1位置的字符串需要最少步数。
• 动态转移方程
  在计算dp[i][j]时，比他短的字符串最小改动情况是已知的。如dp[i][j - 1]、dp[i - 1][j]、dp[i - 1][j - 1]都是已知的。在这些已知的情况上通过增删改三种手段得到dp[i][j]。应该选择哪种改动方式取决于哪种方式改动的次数最小。
  dp[i][j]可以在dp[i][j - 1]的基础上修改word1[i]的内容使得和word2[j]一样，即dp[i][j] = dp[i][j-1] + 1；
  dp[i][j]可以在dp[i-1][j]的基础上添加word1[i]，即dp[i][j] = dp[i][j-1] + 1；
  dp[i][j]可以在dp[i-1][j - 1]的基础修改word1[i]的内容使得和word2[j]一样，即dp[i][j] = dp[i][j-1] + 1；
  若word1[i]==word2[j]一样，则dp[i][j] = dp[i-1][j-1]

当 word1[i] == word2[j]，dp[i][j] = dp[i-1][j-1]；
当 word1[i] != word2[j]，dp[i][j] = min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1
增，dp[i][j] = dp[i][j - 1] + 1，word1在dp[i][j - 1]的基础上增加一个数，即可让word1与word2一致
删，dp[i][j] = dp[i - 1][j] + 1，word2在dp[i - 1][j]的基础上增加一个数，即可让word1与word2一致
改，dp[i][j] = dp[i - 1][j - 1] + 1，word1在dp[i - 1][j - 1]的基础上修改一个数，即可让word1与word2一致
对于"删"来说，word2添加一个元素，相当于word1删除一个元素，例如 word1 = “ad” ，word2 = “a”，word2添加一个元素d，也就是相当于word1删除一个元素d，操作数是一样！
作者：ikaruga
链接：https://leetcode-cn.com/problems/edit-distance/solution/edit-distance-by-ikaruga/
作者：powcai
链接：https://leetcode-cn.com/problems/edit-distance/solution/zi-di-xiang-shang-he-zi-ding-xiang-xia-by-powcai-3/

通过dp[i][j - 1]或dp[i - 1][j]计算dp[i][j]可以这样理解：
0~i,0~j可以在0~i-1,0~j或0~i,0~j-1的基础上再增添一个字符得到，即dp[i][j]可由dp[i][j - 1]或dp[i - 1][j]加一得到。

• 初始化

dp[i][0] ：以下标i-1为结尾的字符串word1，和空字符串word2，最近编辑距离为dp[i][0]。对空字符串做添加元素的操作就可以了，即：dp[i][0] = i。同理dp[0][j] = j。

class Solution {
    public int minDistance(String word1, String word2) {
        int m = word1.length();
        int n = word2.length();
        int[][] dp = new int[m+1][n+1];
        for(int i = 0; i <= m; i++){
            dp[i][0] = i;
        }
        for(int i = 0; i <= n; i++){
            dp[0][i] = i;
        }
        for(int i = 1; i <= m; i++){
            for(int j = 1; j <= n; j++){
                if(word1.charAt(i-1) == word2.charAt(j-1)){
                //因为word1.charAt(i-1) == word2.charAt(j-1)，所以dp[i][j]只需要考虑长度是i-1的word1,和长度是j-1的word2。
                    dp[i][j] = dp[i-1][j-1];
                }else{
                    int tmp = Math.min(dp[i-1][j],dp[i][j-1]);
                    dp[i][j] = Math.min(dp[i-1][j-1],tmp) + 1;
                }
            }
        }
        return dp[m][n];
    }
}