Leetcode - 583
dp[i][j]代表以i-1结尾的words1的子串 要变成以j-1结尾的words2的子串所需要的次数。
初始化: "" 变成"" 所需0次 dp[0][0] = 0, ""变成words2的子串 需要子串的长度的次数,
所以dp[0][j] = j, 同理,dp[i][0] = i.
递推: 若words1[i-1] == words2[j-1],则不需要做任何操作 dp[i][j] = dp[i-1][j-1].
若不等,值为words1或者words2中删除一个字符,完成两个字符串相等的最小操作数,
dp[i][j] = min(dp[i-1][j] +1,dp[i][j-1] +1) ,因为进行了一次删除操作,所以是+1.
def minDistance(self, word1: str, word2: str) -> int:
dp =[[0 for _ in range(len(word2)+1) ] for _ in range(len(word1)+1)]
for i in range(1,len(word1) +1):
dp[i][0] = i
for i in range(1,len(word2)+1):
dp[0][i] = i
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)
return dp[-1][-1]
Leetcode - 72
dp[i][j]定义以及初始化都与上一题一致,没有区别。
区别在于递推:1:若相等,则不用做操作,直接dp[i][j] = dp[i-1][j-1],
2.若不等,则这是重头戏,首先是两边各删一个字符的两种情况,但是注意,其实这里包含了四种情况,以words1[i-1],words2[j-1]为结尾的两个串,dp[i-1][j],dp[i][j-1]分别代表在这个基础上删除了一个字符,但是以words[i-2],words[j-2]的视角出发,dp[i-1][j],dp[i][j-1]分别代表在这个基础上分别增添了一个字符,可以认为:一个串增添了一个字符就代表另一个串少了一个字符。 所以这里是包含了四种情况。 那么替换的情况就是 dp[i-1][j-1] +1即可,在原来的基础上增添一次替换
def minDistance(self, word1: str, word2: str) -> int:
dp =[[0 for _ in range(len(word2)+1) ] for _ in range(len(word1)+1)]
for i in range(1,len(word1) +1):
dp[i][0] = i
for i in range(1,len(word2)+1):
dp[0][i] = i
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]