代码随想录算法训练营第四十六天 | 115. 不同的子序列、583. 两个字符串的删除操作、72. 编辑距离、编辑距离总结篇

Cedric7

已于 2024-08-12 20:37:31 修改

阅读量253

点赞数 1

分类专栏：代码随想录算法训练营文章标签：算法

于 2024-08-11 17:34:58 首次发布

本文链接：https://blog.csdn.net/weixin_43581681/article/details/141108517

版权

代码随想录算法训练营专栏收录该内容

54 篇文章 0 订阅

订阅专栏

一、115. 不同的子序列

题目链接：115. 不同的子序列 - 力扣（LeetCode）
文章讲解：代码随想录 (programmercarl.com)——115. 不同的子序列
视频讲解：动态规划之子序列，为了编辑距离做铺垫 | LeetCode：115.不同的子序列_哔哩哔哩_bilibili

动态规划五部曲：

1. 确定 dp 数组及下标含义：dp[ i ][ j ] 表示以 i - 1 结尾的 s 中有以 j - 1 为结尾的 t 的个数。输出dp[-1][-1]
2. 确定递推公式：
if s[ i - 1 ] == t[ j - 1 ]:
dp[ i ][ j ] = dp[ i - 1 ][ j - 1 ]（使用s[ i - 1 ]） + dp[ i - 1 ][ j ]（不使用 s[ i - 1 ] 的情况，模拟删除的情况）
else:
dp[ i ][ j ] = dp[ i - 1 ][ j ]
3. 确定dp数组如何初始化：dp[ i ][ 0 ] = 1, dp[ 0 ][ j ] = 0, dp[ 0 ][ 0 ] = 1
4. 确定遍历顺序：for i in range(1, len(s)): for j in range(1, len(t)):
5. 举例推导dp数组。

class Solution:
    def numDistinct(self, s: str, t: str) -> int:
        dp = [[0] * (len(t) + 1) for _ in range(len(s) + 1)]

        # 初始化
        for i in range(len(s)):
            dp[i][0] = 1

        dp[0][0] = 1

        for i in range(1, len(s) + 1):
            for j in range(1, len(t) + 1):
                if s[i - 1] == t[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]
                else:
                    dp[i][j] = dp[i - 1][j]

        return dp[-1][-1]

二、583. 两个字符串的删除操作

题目链接：583. 两个字符串的删除操作 - 力扣（LeetCode）
文章讲解：代码随想录 (programmercarl.com)——583. 两个字符串的删除操作
视频讲解：动态规划之子序列，为了编辑距离做铺垫 | LeetCode：115.不同的子序列_哔哩哔哩_bilibili

自己思路：求最大公共子序列，两个单词字母数字之和 - 2*最大公共子序列

动态规划五部曲：

1. 确定 dp 数组及下标含义：dp[ i ][ j ] 表示以 i - 1 为结尾的 word1 和以 j - 1 为结尾的 word2 为相同最小操作次数
2. 确定递推公式：
if word1[ i - 1 ] == word2[ j - 1 ]:
        dp[ i ][ j ] = dp[ i - 1 ][ j - 1 ]（不考虑两个元素）
else:
        dp[ i ][ j ] = min(dp[ i - 1][ j ] + 1（删除元素 i - 1）, dp[ i ][ j - 1 ]（删除元素 j - 1）, dp[ i - 1][ j - 1 ] + 2（两个元素都删）)，要求最少，所以用min
3. 确定dp数组如何初始化：dp[ 0 ][ j ] = j，如果word1为空，word2要删除 j 个元素才为空；
dp[ i ][ 0 ] = i，如果word2为空，word1要删除 i 个元素才为空
4. 确定遍历顺序：
for i in range(1, len(word1) + 1):
        for j in range(1, len(word2) + 1):
5. 举例推导dp数组。

"""
最大公共子序列解决
"""
class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        dp = [[0] * (len(word2) + 1) for _ in range(len(word1) + 1)]

        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] + 1
                else:
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])


        result = len(word1) + len(word2) - 2 * dp[-1][-1]

        return result

"""
Carl方法
"""
class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        # 创建dp数组
        dp = [[0] * (len(word2) + 1) for _ in range(len(word1) + 1)]

        # 初始化
        for i in range(len(word1)):
            dp[i][0] = i
        for j in range(len(word2)):
            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][j - 1] + 1, dp[i - 1][j - 1] + 2)

        return dp[-1][-1]

三、72. 编辑距离

题目链接：72. 编辑距离 - 力扣（LeetCode）
文章讲解：代码随想录 (programmercarl.com)——72. 编辑距离
视频讲解：动态规划终极绝杀！ LeetCode：72.编辑距离_哔哩哔哩_bilibili

动态规划五部曲：

1. 确定 dp 数组及下标含义：dp[ i ][ j ] 表示以 i - 1 为结尾的 word1 和以 j - 1 为结尾的 word2，最少的操作次数
2. 确定递推公式：
if word1[ i - 1 ] == word2[ j - 1 ]:
dp[ i ][ j ] = dp[ i -1 ][ j - 1 ]
else:
# 增，dp[ i - 1 ][ j ]+1，对 word2 进行删除操作，相当于对 word1 进行增加的逆向操作
# 删，dp[ i ][ j - 1 ]+1，删除word1中元素
# 改，dp[ i - 1 ][ j - 1 ]+1，不相同替换操作加一
dp[ i ][ j ] = min(dp[ i - 1 ][ j ]+1, dp[ i ][ j - 1 ]+1, dp[ i - 1 ][ j - 1 ]+1)
3. 确定dp数组如何初始化：dp[i][0] = i, dp[0][j] = j
4. 确定遍历顺序：
for i in range(1, len(word1) + 1):
for j in range(1, len(word2) + 1):
5. 举例推导dp数组。

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        # 创建dp数组
        dp = [[0] * (len(word2) + 1) for _ in range(len(word1) + 1)]

        # 初始化
        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][j - 1] + 1, dp[i - 1][j - 1] + 1)

        return dp[-1][-1]