java算法day55 | 动态规划part16 ● 583. 两个字符串的删除操作 ● 72. 编辑距离

文章介绍了如何通过动态规划方法计算两个字符串之间的最小编辑距离,涉及删除、插入和替换操作。给出了`minDistance`函数的实现,包括初始化dp数组、递推公式和计算过程,强调了时间复杂度和空间复杂度为O(nm)。
摘要由CSDN通过智能技术生成

583. 两个字符串的删除操作

在这里插入图片描述
在这里插入图片描述

思路: 和1143.最长公共子序列这道题思路相同,只不过需要对return的数据做一些操作。

class Solution {
    public int minDistance(String word1, String word2) {
        int[][] dp=new int[word1.length()+1][word2.length()+1];
        for(int i=1;i<=word1.length();i++){
            for(int j=1;j<=word2.length();j++){
                if(word1.charAt(i-1)==word2.charAt(j-1)){
                    dp[i][j]=dp[i-1][j-1]+1;
                }else{
                    dp[i][j]=Math.max(dp[i-1][j],dp[i][j-1]);
                }
            }
        }
        return word1.length()+word2.length()-2*dp[word1.length()][word2.length()];

    }
}

时间复杂度:O(nm)
空间复杂度:O(n
m)

72. 编辑距离

在这里插入图片描述
在这里插入图片描述

  1. 确定dp数组(dp table)以及下标的含义
    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. 确定递推公式
    在确定递推公式的时候,首先要考虑清楚编辑的几种操作,整理如下:
if (word1[i - 1] == word2[j - 1])
    不操作
if (word1[i - 1] != word2[j - 1])//dp[i][j-1]+1 或 dp[i-1][j]+1//dp[i][j-1]+1 或 dp[i-1][j]+1//dp[i-1][j-1]+1
  1. dp数组如何初始化
    再回顾一下dp[i][j]的定义:
    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]。
    那么dp[i][0] 和 dp[0][j] 表示什么呢?
    dp[i][0] :以下标i-1为结尾的字符串word1,和空字符串word2,最近编辑距离为dp[i][0]。
    那么dp[i][0]就应该是i,对word1里的元素全部做删除操作,即:dp[i][0] = i;
    同理dp[0][j] = j;

  2. 确定遍历顺序
    从如下四个递推公式:

dp[i][j] = dp[i - 1][j - 1]
dp[i][j] = dp[i - 1][j - 1] + 1
dp[i][j] = dp[i][j - 1] + 1
dp[i][j] = dp[i - 1][j] + 1

可以看出dp[i][j]是依赖左方,上方和左上方元素的。因此两层循环均采用正向遍历。

  1. 打印dp数组。
class Solution {
    public int minDistance(String word1, String word2) {
        int[][] dp=new int[word1.length()+1][word2.length()+1];
        for(int i=0;i<=word1.length();i++) dp[i][0]=i;
        for(int i=0;i<=word2.length();i++) dp[0][i]=i;
        for(int i=1;i<=word1.length();i++){
            for(int j=1;j<=word2.length();j++){
                if(word1.charAt(i-1)==word2.charAt(j-1)){
                    dp[i][j]=dp[i-1][j-1];
                }else{
                    dp[i][j]=Math.min(dp[i-1][j-1]+1,Math.min(dp[i-1][j]+1,dp[i][j-1]+1));
                }
            }  
        }

    return dp[word1.length()][word2.length()];
    }
}

时间复杂度:O(nm)
空间复杂度:O(n
m)

  • 7
    点赞
  • 5
    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