leetcode72-编辑距离

class Solution {
	// 状态定义：f[i][j] 表示将word1的前i个字符转化为word2的前j个字符需要的步骤数量【长短任意，因为最终计算的是增删改最大值】
	// 因为存在空串的可能，因此i，j需要从0到n, 即长宽长度需要增加一
	// 
	// 初始化：当两者至少有一个为空时(f[i][0]或者f[0][j]), 其值等于另一个当前子串的长度
	// f[i][0] = i; f[0][j] = j;
	// 
	// 状态转移：【考虑匹配到i比对j的时候，分为两大类】
	// （1）word1.charAt(i) == word2.charAt(j); //两者当前字符相等
	// 此时，不必增删改，其最短步数为两者前一个字符的改造步数
	// f[i][j] = f[i - 1][j - 1];
	// 
	// (2) word1.charAt(i) == word2.charAt(j); 当前字符不相等， 有三种修改方式【针对其中一个即可，以word2为对象】：
	// 1. 在word2上增加一个字符，即word1.charAt(i),word1当前字符，此时两者当前比对位必定相等，变成情形1
	// f[i][j] = f[i - 1][j] + 1; //前移一位, 还要增加一位的步数
	// 
	// 2. 在word2上删除最后一个字符，前面的未必相等，接着比对
	// f[i][j] = f[i][j - 1] + 1; // + 1是删除的步骤
	// 
	// 3. 修改word2当前一位字符为word1当前最后一位字符，此时两者必相等，比对前 - 1位即可（情形1）
	// f[i][j] = f[i - 1][j - 1] + 1; //+ 1是修改步数
	// 
	// 真正采取的方案是三者最小值。
    public int minDistance(String word1, String word2) {
    	int m = word1.length(), n = word2.length();

    	int[][] f = new int[m + 1][n + 1];
    	for (int i = 0; i <= m; i++) f[i][0] = i;
    	for (int i = 0; i <= n; i++) f[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)) {
    				f[i][j] = f[i - 1][j - 1];
    			} else {
    				f[i][j] = Math.min(f[i - 1][j], Math.min(f[i][j - 1], f[i - 1][j - 1])) + 1;
    			}
    		}
    	}

    	return f[m][n];
    }


//优化1： 赋值初始值完全可以放到一个循环中执行，添加条件语句即可
public int minDistance(String word1, String word2) {
    	int m = word1.length(), n = word2.length();

    	int[][] f = new int[m + 1][n + 1];
    	for (int i = 0; i <= m; i++) f[i][0] = i;
    	for (int i = 0; i <= n; i++) f[0][i] = i;

    	for (int i = 0; i <= m; i++) {
    		for (int j = 0; j <= n; j++) {
    			if (i == 0 || j == 0) {
    				if (i == 0) f[i][j] = j;
    				else f[i][j] = i;
    			} else {
    				if (word1.charAt(i - 1) == word2.charAt(j - 1)) {
    					f[i][j] = f[i - 1][j - 1];
    			} else {
    					f[i][j] = Math.min(f[i - 1][j], Math.min(f[i][j - 1], f[i - 1][j - 1])) + 1;
    				}
    			}
    		}
    	}

    	return f[m][n];
    }


    //优化2：动态规划的空间复杂度优化
    //发现，f[i][j] 只与 f[i - 1][j] f[i - 1][j - 1] f[i][j - 1] 三个数有关【转化为二维表格就是左上，左，上三个数】
    //存储上一轮的这三个数，就可以在O(1)的空间复杂度中解决问题
    //
    //尝试了一下，发现不行，至少要存储一维数组
    public int minDistance(String word1, String word2) {
    	
    }