72. 编辑距离(中等)

该文章介绍了如何使用动态规划算法解决LeetCode中的编辑距离问题,即计算将word1转换为word2所需的最少操作次数,包括插入、删除和替换字符。
摘要由CSDN通过智能技术生成

https://leetcode.cn/problems/edit-distance/

给你两个单词 word1 和 word2, 请返回将 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’)

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        # 难度:☆☆☆
        # 方法:动态规划
        # ① 定义dp:dp[i][j]:以i - 1为下标的word1,以j - 1为下标的word2,word1转换成word2所使用的最少操作次数
        m, n = len(word1), len(word2)
        dp = [[0] * (n + 1) for _ in range(m + 1)]

        # ② 初始化
        for i in range(m + 1):
            dp[i][0] = i
        
        for j in range(n + 1):
            dp[0][j] = j

        dp[0][0] = 0

        # ③ 遍历递归(状态转移方程)
        for i in range(1, m + 1):
            for j in range(1, n + 1):
                if word1[i - 1] == word2[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1]
                else:
                    # 增:dp[i][j] = dp[i][j - 1] + 1
                    # 删:dp[i][j] = dp[i - 1][j] + 1
                    # 改:dp[i][j] = dp[i - 1][j - 1] + 1
                    dp[i][j] = min(dp[i][j - 1], dp[i - 1][j], dp[i - 1][j - 1]) + 1
        return dp[-1][-1]
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值