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')
思路:动态规划
经典动态规划:编辑距离 :: labuladong的算法小抄 (gitee.io)
dp函数+备忘录
//dp函数+备忘录
class Solution {
public:
int minDistance(string word1, string word2)
{
vector<vector<int>> memo(word1.size(),vector<int>(word2.size(),1000));
return dp(word1,word2,0,0,memo);
}
//dp函数定义:返回把s1[i..]转换成s2[j..]所使用的最小操作数
int dp(string& s1,string& s2,int i,int j,vector<vector<int>>& memo)
{
if(i>=s1.size())//s1下标越界,说明还要把s2剩下的字母都添加到s1上
return s2.size()-j;
if(j>=s2.size())//s2下标越界,说明还要把s1多余的字母都删掉
return s1.size()-i;
if(memo[i][j]!=1000)//备忘录,减少重复计算
return memo[i][j];
//动态转移
if(s1[i]==s2[j])
memo[i][j]=dp(s1,s2,i+1,j+1,memo);
else
memo[i][j]=1+min(min(dp(s1,s2,i+1,j+1,memo),dp(s1,s2,i+1,j,memo)),dp(s1,s2,i,j+1,memo));
return memo[i][j];
}
};
dp数组
class Solution{
public:
int minDistance(string word1,string word2)
{
//dp数组定义:把s1[0..i]转换成s2[0..j]的最少操作数是dp[i+1][j+1]
vector<vector<int>> dp(word1.size()+1,vector<int>(word2.size()+1));
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<=word1.size();i++)
{
for(int j=1;j<=word2.size();j++)
{
if(word1[i-1]==word2[j-1])
dp[i][j]=dp[i-1][j-1];
else
dp[i][j]=1+min(dp[i-1][j-1],min(dp[i][j-1],dp[i-1][j]));
}
}
return dp[word1.size()][word2.size()];
}
};
583.两个字符串的删除操作
给定两个单词 word1 和 word2 ,返回使得 word1 和 word2 相同所需的最小步数。
每步 可以删除任意一个字符串中的一个字符。
示例 1:
输入: word1 = "sea", word2 = "eat"
输出: 2
解释: 第一步将 "sea" 变为 "ea" ,第二步将 "eat "变为 "ea"
示例 2:
输入:word1 = "leetcode", word2 = "etco"
输出:4
dp函数+备忘录
//dp函数+备忘录
class Solution {
public:
int minDistance(string word1, string word2) {
vector<vector<int>> memo(word1.size(),vector<int>(word2.size(),1000));
return dp(word1,word2,0,0,memo);
}
//dp函数定义:返回使得s[i..]和s[j..]相同所需的最小步数
int dp(string& s1,string& s2,int i,int j,vector<vector<int>>& memo)
{
if(i>=s1.size())
return s2.size()-j;
if(j>=s2.size())
return s1.size()-i;
if(memo[i][j]!=1000)
return memo[i][j];
if(s1[i]==s2[j])
memo[i][j]=dp(s1,s2,i+1,j+1,memo);
else
memo[i][j]=1+min(dp(s1,s2,i+1,j,memo),dp(s1,s2,i,j+1,memo));
return memo[i][j];
}
};
dp数组
//dp数组
class Solution {
public:
int minDistance(string word1, string word2) {
//dp[i][j]表示使word1[0..i-1]和word2[0..j-1]相同所需的最小步数
vector<vector<int>> dp(word1.size()+1,vector<int>(word2.size()+1));
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<=word1.size();i++)
{
for(int j=1;j<=word2.size();j++)
{
if(word1[i-1]==word2[j-1])
dp[i][j]=dp[i-1][j-1];
else
dp[i][j]=1+min(dp[i-1][j],dp[i][j-1]);
}
}
return dp[word1.size()][word2.size()];
}
};