编辑距离（动态规划）

地址：72. 编辑距离 - 力扣（LeetCode） (leetcode-cn.com)

模式识别：一旦涉及子问题，可以用自顶向下的递归和自顶向上的动态规划

 如果用动态规划来写的话，需要一些前置知识；

即在word1后添加一个字符等于在word2后删除一个字符，那么就把字符串的修改总结为三种

1：在word1后添加一个字符 2：在Word2后添加一个字符 3：修改Word1余Word2的最后一个字符

动态规划四部曲：

        1：确定dp数组及含义

那么由于有两个字符串匹配必然开二维数组dp[i][j],含义就是把0-i的字符串转为0-j的字符串所需要的操作数

        2：确定递推公式

 

                1：在Word1后面添加一个字符：dp[i][j] = dp[i][j-1] + 1;

                2：在Word2后面添加一个字符：dp[i][j] = dp[i-1][j] + 1;

                3：修改Word1或Word2的最后一个字符：dp[i][j] = dp[i-1][j-1] + 1;

        3：dp数组初始化

                 

         4：确定遍历顺序

 

class Solution {
public:
    int minDistance(string word1, string word2) {

        int n = word1.size();
        int m = word2.size();

        if(n*m == 0) return n+m;
        int dp[n+1][m+1];

        //初始边界问题
        for(int i = 0 ; i <= n ; i++) dp[i][0] = i;
        for(int i = 0 ; i <= m; i++) dp[0][i] = i;

        for(int i = 1 ; i <= n ; i++){
            for(int j = 1 ; j <= m; 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], min(dp[i - 1][j], dp[i][j - 1])) + 1;
                }
            }
        }
        return dp[n][m];

    }
};