LeetCode 115. 不同的子序列 和 72. 编辑距离

不同的子序列

题目链接：leetcode不同的子序列

❓题目描述：

给你两个字符串 s 和 t ，统计并返回在 s 的 子序列 中 t 出现的个数。
题目数据保证答案符合 32 位带符号整数范围。

💡解题思路：

1.确定dp数组的含义

由于是在两个字符串中找，因此dp数组定义成二维数组
dp[i][j]: 以s[i - 1]结尾的字符串的子序列中以t[j - 1]为结尾的字符串出现的个数

2.推导递推公式

a.

if (s[i - 1] == t[j - 1]) 
{
    dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
} 
else 
{
    dp[i][j] = dp[i - 1][j];
}

当s[i - 1] == t[i - 1]时，有两种情况
第一种情况：考虑s[i  - 1]
即  dp[i - 1][j - 1]  ⇒ 以s[i - 1]结尾的字符串的子序列中以t[j - 1]为结尾的字符串出现的个数
第二种情况：	不考虑s[i - 1] 
即	dp[i - 1][j] ⇒  以s[i - 2]结尾的字符串的子序列中以t[j - 1]为结尾的字符串出现的个数

是这样的 ⇒

b.

s[i - 1] ! = t[j - 1]
此时就用不到s[i -1]了，只能分析未使用s[i - 1]的情况
即 dp[i ][j] = dp[i - 1][j]

3.dp数组初始化与遍历顺序

由递推公式得出，dp[i][j]由左上方和正上方推导而来，因此遍历顺序从左往右，从上往下
d[i[[0] ,下标以i - 1结尾的s子字符串中，空字符串（" "）的个数
即dp[i][0] = 1;
d[0][j] ,空串中，下标以j - 1结尾的j的子字符串个数
即dp[0][j] = 0;
dp[0][0] ,空串中空串的个数
dp[0][0] = 1；

4.运行代码

class Solution{
public:
    int numDistinct(string s, string t) 
    {
        vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t>(t.size() + 1, 0));
        for(int i = 0; i < dp.size(); i++)
            dp[i][0] = 1;
      for(int i = 1; i <= s.size(); i++)
        {
            for(int j = 1; j <= t.size(); j++)
            {
                if(s[i - 1] == t[j - 1])
                    dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
                else // s[i - 1] != t[j - 1]
                    dp[i][j] = dp[i - 1][j];
            }
        }
        return dp[s.size()][t.size()];
    }
};

编辑距离

题目链接：leetcode编辑距离

❓题目描述：

给你两个单词 word1 和 word2， 请返回将 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')

提示：
0 <= word1.length, word2.length <= 500
word1 和 word2 由小写英文字母组成

💡解题思路：

1.确定dp数组的含义

word1 转换成 word2 所使用的最少操作数
由于是在两个字符串中找，因此dp数组定义成二维数组
dp[i][j]: 以word1[i - 1]结尾的字符串转换成以word2[j - 1]为结尾的字符串所需要的最少操作数

2.推导递推公式

a.

{
	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] + 1, min(dp[i - 1][j] + 1, dp[i][j - 1] + 1));                    
}

1.当word1[i - 1] == word2[i - 1]时
  不需要任何操作，因为word1[i - 1] == word2[j - 1]
  因此 dp[i][j] = dp[i  - 1][ j - 1]

2. 当word1[i - 1] != word2[i - 1]时
有三种操作，分别是 删除，增添和替换。
首先先分析删除操作：
其实在某种程度上来讲，增添操作和删除操作的意义是相同的。
例如：
word1 = "abcd"    word2 = "abcde"
此时word1可以通过增添一个'e'来使得word1 == word2，同样word2页可以通过删除‘e'来使得word1 == word2。
因此   min(dp[i - 1][j] , dp[i][j - 1] ) + 1
再来看替换操作：
替换操作无非就是将word1[i -1] 替换成与word2[j - 1]相等或者是将word2[i -1] 替换成与word1[j - 1]相等
相等之后的处理情况就是dp[i - 1][j - 1]，然后再加上这一次的替换操作。
那么此时就是	dp[i - 1][j - 1] + 1

3.dp数组初始化与遍历顺序

由递推公式得出，dp[i][j]由左上方，正上方和正左方推导而来，因此遍历顺序从左往右，从上往下
d[i[[0] ,以word1[i - 1]结尾的字符串转换成以空串所需要的最少操作数
即dp[i][0] = i;
d[0][j] ,空串转换成以word2[j - 1]为结尾的字符串所需要的最少操作数
即dp[0][j] = j;
dp[0][0] ,空串转换成空串所需要的最少操作数
dp[0][0] = 0；

4.运行代码

class Solution {
public:
    int minDistance(string word1, string word2)
    {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
        for(int i = 0; i <= word1.size(); i++)
        {
            dp[i][0] = i;
        }
        for(int j = 0; j <= word2.size(); j++)
        {
            dp[0][j] = j;
        }
        for(int i = 1; i < dp.size(); i++)
        {
            for(int j = 1; j < dp[0].size(); j++)
            {
                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] + 1, min(dp[i - 1][j] + 1, dp[i][j - 1] + 1));                    
            }
        }
        return dp[word1.size()][word2.size()];
    }
};