写了这题我只能说动态规划的一种魅力就在于他可以让你不顾繁琐的细节,而只要分析一种对所有情况都适用的方法,再对一些初始化条件进行处理,问题就迎刃而解。
我们设dp[i][j]表示str1[i-1]之前的子串和str2[j-1]之前的子串的最小编辑距离。
首先来考虑初始条件:
什么是初始情况?即特殊情况,边界点。那什么时候取到边界点?假设这两个字符串有一个是空的,另外一个是不空的,那这两个字符串的编辑距离是什么?就是非空字符串的长度,这里只需要考虑对空串插入或者对不空字符串删除。
那有了初始情况,我们考虑一般情况,即如何将dp数组填满。
我们分为两种情况:
1.如果str[i]==str[j],那么这两个字符是不需要修改的,那么最小编辑距离和这两个子串减去最后一个字符之前的子串的最小编辑距离是相等的。
2.如果str[i]!=str[j],那么我们需要在三种情况的子串中取出最小的再加上当前字符串需要修改的次数1。即dp[i-1][j-1],dp[i-1][j],dp[i][j-1],分别对应需要修改第一个字符和第二个字符相等,删除第一个子串的最后一个字符(或第二个子串加上和第一个子串一样的最后一个字符),删除第二个子串的最后一个字符(和上面情况对称)
代码如下所示:
class Solution {
public:
/**
* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
*
*
* @param str1 string字符串
* @param str2 string字符串
* @return int整型
*/
int editDistance(string str1, string str2) {
// write code here
int n1=str1.length();
int n2=str2.length();
vector<vector<int>> dp(n1+1, vector<int>(n2+1, 0));
for(int i=1;i<=n1;++i){
dp[i][0]=dp[i-1][0]+1;
}
for(int j=1;j<=n2;++j){
dp[0][j]=dp[0][j-1]+1;
}
for(int i=1;i<=n1;++i){
for(int j=1;j<=n2;++j){
if(str1[i-1]==str2[j-1]){
dp[i][j]=dp[i-1][j-1];
}else{
dp[i][j]=min(dp[i-1][j-1], min(dp[i-1][j], dp[i][j-1]))+1;
}
}
}
return dp[n1][n2];
}
};