【面试经典 150 | 动态规划】编辑距离

写在前面

本专栏专注于分析与讲解【面试经典150】算法，两到三天更新一篇文章，欢迎催更……

专栏内容以分析题目为主，并附带一些对于本题涉及到的数据结构等内容进行回顾与总结，文章结构大致如下，部分内容会有增删：

• Tag：介绍本题牵涉到的知识点、数据结构；
• 题目来源：贴上题目的链接，方便大家查找题目并完成练习；
• 题目解读：复述题目（确保自己真的理解题目意思），并强调一些题目重点信息；
• 解题思路：介绍一些解题思路，每种解题思路包括思路讲解、实现代码以及复杂度分析；
• 知识回忆：针对今天介绍的题目中的重点内容、数据结构进行回顾总结。

---

Tag

【字符串】【动态规划】

---

题目来源

72. 编辑距离

---

解题思路

方法一：动态规划

定义状态

定义 dp[i][j] 表示字符串 word1 中前 i 个字符，变换到 word2 中前 j 个字符，需要的最短操作次数。

转移关系

题目中允许增、删和改三种操作，我们认为这三种操作都是对字符串 word1 进行作用：

• 增加一个字符才能使字符串 word1 中前 i 个字符变换成 word2 中前 j 个字符，则有 dp[i][j] = dp[i][j-1] + 1，也就是字符串 word1 中前 i 个字符和 word2 中前 j 个字符是一样的，增加一个 word[j] 才能让字符串 word1 中前 i 个字符变和 word2 中前 j 个字符一样。
• 删除一个字符，有转移关系 dp[i][j] = dp[i-1][j] + 1。
• 修改一个字符，有转移关系 dp[i][j] = dp[i-1][j-1] + 1。

以上三种情况是在 word1[i-1] != words[j-1] 时，需要进行变换。如果相等，则 dp[i][j] = dp[i-1][j-1]。

base case

需要考虑 word1 和 word2 为空字符串的情况，直接见代码。

最后返回

最后返回 dp[m][n]，$m$ 和 $n$ 分别表示字符串 word1 和 word2 的长度。

代码

class Solution {
public:
    int minDistance(string word1, string word2) {
        int m = word1.size(), n = word2.size();
        vector<vector<int>> dp(m+1, vector<int>(n+1));

        // 字符串word2为空的base case
        for (int i = 0; i <= m; ++i) {
            dp[i][0] = i;
        }

        // 字符串word1为空的base case
        for (int j = 0; j <= n; ++j) {
            dp[0][j] = j;
        }

        for (int i = 1; i <= m; ++i) {
            for (int j = 1; j <= n; ++j) {
                if (word1[i-1] == word2[j-1]) {
                    dp[i][j] = dp[i-1][j-1];
                }
                else {
                    dp[i][j] = min(dp[i][j-1], min(dp[i-1][j], dp[i-1][j-1])) + 1;
                }
            }
        }
        // 最后返回
        return dp[m][n];
    }
};

复杂度分析

时间复杂度：$O(mn)$，$m$ 和 $n$ 分别表示字符串 word1 和 word2 的长度。

空间复杂度：$O(mn)$。

---

写在最后

如果您发现文章有任何错误或者对文章有任何疑问，欢迎私信博主或者在评论区指出 💬💬💬。

如果大家有更优的时间、空间复杂度的方法，欢迎评论区交流。

最后，感谢您的阅读，如果有所收获的话可以给我点一个 👍 哦。