DAY59：动态规划（编辑距离）583、72-CSDN博客

本文链接：https://blog.csdn.net/weixin_43799497/article/details/136252911

Leetcode: 583 两个字符串的删除操作

解法一

这道题和昨天的392题目基本一样，只不过问法不同，392求解的是最大的公共子序列，这道题问删除的步数，那么很简单，就是找到最大的公共子序列，然后两个原始字符串长度相加再减去2*公共子序列就是总共需要操作的次数了。

由此可以看出，这些题型有相似性，状态转移公式不变的情况下，能衍生出很多问法。

时间复杂度: O(n * m)

空间复杂度: O(n * m)

代码如下：

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
        for(int i = 1; i <= word1.size(); i++){
            for(int j = 1; j <= word2.size(); j++){
                if(word1[i - 1] == word2[j - 1]){
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                else{
                    dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]);
                }
            }
        }
        return word1.size() + word2.size() - 2 * dp[word1.size()][word2.size()]; 

    }
};

解法二

重新定义dp

代码随想录

1、下标含义

dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2，想要达到相等，所需要删除元素的最少次数。

2、递推公式

（1）当word1[i - 1] 与 word2[j - 1]相同的时候，dp[i][j] = dp[i - 1][j - 1];

（2）当word1[i - 1] 与 word2[j - 1]不相同的时候，有三种情况：

删word1[i - 1]，最少操作次数为dp[i - 1][j] + 1
删word2[j - 1]，最少操作次数为dp[i][j - 1] + 1
同时删word1[i - 1]和word2[j - 1]，操作的最少次数为dp[i - 1][j - 1] + 2

所以当word1[i - 1] 与 word2[j - 1]不相同的时候，递推公式：dp[i][j] = min({dp[i - 1][j - 1] + 2, dp[i - 1][j] + 1, dp[i][j - 1] + 1})，可简化为：dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);

3、初始化

dp[i][0]：word2为空字符串，以i-1为结尾的字符串word1要删除多少个元素，才能和word2相同呢，很明显dp[i][0] = i。

整体代码如下：

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1));
        for (int i = 0; i <= word1.size(); i++) dp[i][0] = i;
        for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;
        for (int i = 1; i <= word1.size(); i++) {
            for (int j = 1; j <= word2.size(); j++) {
                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);
                }
            }
        }
        return dp[word1.size()][word2.size()];
    }
};

Leetcode: 72 编辑距离

1、下标及定义

dp[i][j] 表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]。

2、递推公式

如果两个字符一样，不操作。dp[i][j] = dp[i - 1][j - 1];

如果两个字符不一样，需要删除、增加或者替换的操作。

删除操作：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;
添加操作：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;word2添加一个元素，相当于word1删除一个元素。
替换元素，word1替换word1[i - 1]，使其与word2[j - 1]相同，此时不用增删加元素。那么只需要一次替换的操作，就可以让 word1[i - 1] 和 word2[j - 1] 相同。所以 dp[i][j] = dp[i - 1][j - 1] + 1;

3、初始化

思路同上题的初始化过程

时间复杂度: O(n * m)

空间复杂度: O(n * m)

代码如下：

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1));
        for (int i = 0; i <= word1.size(); i++) dp[i][0] = i;
        for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;
        for(int i = 1; i <= word1.size(); i++){
            for(int j = 1; j <= word2.size(); j++){
                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[word1.size()][word2.size()];

    }