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

583. 两个字符串的删除操作

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（nm）

72. 编辑距离

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])
    增 //dp[i][j-1]+1 或 dp[i-1][j]+1
    删 //dp[i][j-1]+1 或 dp[i-1][j]+1
    换 //dp[i-1][j-1]+1

3. 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;

4. 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。

5. 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（nm）