动态规划专题 (III)：Leetcode 72 编辑距离

动态规划专题 (III)：Leetcode 72 编辑距离

Leetcode 72 编辑距离

题目描述

给定两个单词 word1 和 word2，计算出将 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')

示例 2:

输入: word1 = "intention", word2 = "execution"
输出: 5
解释: 
intention -> inention (删除 't')
inention -> enention (将 'i' 替换为 'e')
enention -> exention (将 'n' 替换为 'x')
exention -> exection (将 'n' 替换为 'c')
exection -> execution (插入 'u')

题解

编辑距离是最小的改变次数 这句话是这个题目的核心

整个递归式是这样的：（分三种情况）对于当前字母 word1[i]， word2[j] 来说。

1. 如果当前两个字母相匹配，那这个字符就不会改变，因此对这个问题就满足：
   $$Edit(word1,word2)=Edit(word1[0:i-1],word2[0:i-1])$$
2. 若两个字母不匹配，那这个字符就会产生改变，但是改变有三种方式：
   1. word1 插入一个元素，对应的：
      $$Edit(word1,word2)=Edit(word1[0:i-1],word2[0:i])+1$$
   2. word2 插入一个元素
      $$Edit(word1,word2)=Edit(word1[0:i],word2[0:i-1])+1$$
   3. 改变一个元素
      $$Edit(word1,word2)=Edit(word1[0:i-1],word2[0:i-1])+1$$

之前提到了说，编辑距离是最小的改变次数 因此这个问题的核心就是在字符不相同的时候，找以上三种情况的最小值。

因此转化为递归式就有了网上经常能看到的转移方程。

{ d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] if word1[i]=word2[j] d p [ i ] [ j ] = min ⁡ { d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] , d p [ i − 1 ] [ j − 1 ] } + 1 if word1[i]  ≠  word2[j] \begin{cases} dp[i][j] = dp[i-1][j-1] & \text{if word1[i]=word2[j]}\\ dp[i][j] = \min\{dp[i-1][j],dp[i][j-1],dp[i-1][j-1]\}+1 & \text{if word1[i] $\ne$ word2[j]} \end{cases} {dp[i][j]=dp[i−1][j−1]dp[i][j]=min{dp[i−1][j],dp[i][j−1],dp[i−1][j−1]}+1​if word1[i]=word2[j]if word1[i] ​= word2[j]​

对于边界情况，左上角一定是0，将这个字符串扩充为：

word1 = " " + word1
word2 = " " + word2

假设这两个字符串为 "horse"，"ros" 那这个矩阵为：

$$\left[\begin{array}{ccccccc}\ddots & ""& h& o& r& s& e\\ ""& 0& & & & & \\ r& & & & & & \\ o& & & & & & \\ s& & & & & & \end{array}\right]$$

因为 word1 和 word2 的第 i 第 j 不可能是 " "，因此根据上面的式子，可以推出：

d p [ i ] [ j ] = min ⁡ { d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] , d p [ i − 1 ] [ j − 1 ] } dp[i][j]= \min\{dp[i-1][j],dp[i][j-1],dp[i-1][j-1]\} dp[i][j]=min{dp[i−1][j],dp[i][j−1],dp[i−1][j−1]}

因此这个矩阵初始化为：

$$\left[\begin{array}{ccccccc}\ddots & ""& h& o& r& s& e\\ ""& 0& 1& 2& 3& 4& 5\\ r& 1& & & & & \\ o& 2& & & & & \\ s& 3& & & & & \end{array}\right]$$

可以发现，初始化横纵第一列、行一定是一个连续从 0 递增的序列。因此按照转移方程，最终结果在矩阵的右下角得到

整个代码如下：

class Solution(object):
    def minDistance(self, word1, word2):
        word1 = " " + word1
        word2 = " " + word2
        matrix = [[None for j in word2] for i in word1]
        n = len(word1)
        m = len(word2)
        # Initialize
        for i in range(0, n):
            matrix[i][0] = i
        for j in range(0, m):
            matrix[0][j] = j
        for i in range(1, n):
            for j in range(1, m):
                if word1[i] == word2[j]:
                    matrix[i][j] = matrix[i-1][j-1]
                else:
                    # 分别为：替换一个，word1插入一个，word2插入一个
                    matrix[i][j] = min(matrix[i-1][j-1], matrix[i-1][j], matrix[i][j-1]) + 1
        return matrix[-1][-1]

执行结果

执行时间：108 ms

内存消耗：14.9 MB