代码随想录算法训练营Day56动态规划：583.两个字符串的删除操作，72.编辑距离

583.两个字符串的删除操作

文章链接：代码随想录 (programmercarl.com)

思路：动规五步曲

（1）确定dp数组及其含义

        dp[i][j]表示字符串1在区间[0, i - 1]和字符串2在区间[0, j - 1]上所需的最小步数为dp[i][j]

（2）确定递推公式

        如果word1[i - 1]和word2[j - 1]的字符一样，则dp[i][j] = dp[i - 1][j - 1];

        如果不相同,dp[i][j] = Math.min(dp[i - 1][j] + 1,dp[i][j - 1] + 1);

（3）初始化

        dp[0][0] = 0;

        dp[i][0] = i;

        dp[0][j] = j;

（4）确定遍历顺序

        从前往后，从上到下

（5）举例推导验证

实现代码遇到的问题：

（1）递推公式少考虑一种情况

        如果word1[i - 1]和word2[j - 1]的字符一样，则dp[i][j] = dp[i - 1][j - 1];

        如果不相同,dp[i][j]应该有三个来源

        情况一：删word1[i - 1]，最少操作次数为dp[i - 1][j] + 1

        情况二：删word2[j - 1]，最少操作次数为dp[i][j - 1] + 1

        情况三：同时删word1[i - 1]和word2[j - 1]，操作的最少次数为dp[i - 1][j - 1] + 2

        因此，dp[i][j] = Math.min(dp[i - 1][j - 1] + 2,Math.min(dp[i - 1][j] + 1,dp[i][j - 1] + 1));

（2）比较字符时，又比较成了i 和 j，应该是 i - 1 和 j - 1

Java代码：

class Solution {
    public int minDistance(String word1, String word2) {
        /*(1)确定dp数组及其含义
        dp[i][j]表示字符串1在区间[0, i - 1]和字符串2在区间[0, j - 1]上所需的最小步数为dp[i][j]
        (2)确定递推公式
        如果word1[i - 1]和word2[j - 1]的字符一样，则dp[i][j] = dp[i - 1][j - 1];
        如果不相同,dp[i][j] = Math.min(dp[i - 1][j - 1] + 2,Math.min(dp[i - 1][j] + 1,dp[i][j - 1] + 1));
        (3)初始化
        dp[0][0] = 0;
        dp[i][0] = i;
        dp[0][j] = j;
        (4)确定遍历顺序，从前往后，从上到下
        (5)举例推导验证
        */
        int len1 = word1.length();
        int len2 = word2.length();
        int[][] dp = new int[len1 + 1][len2 + 1];
        dp[0][0] = 0;
        for(int i = 0; i < len1 + 1;i++){
            dp[i][0] = i;
        }
        for(int j = 0; j < len2 + 1;j++){
            dp[0][j] = j;
        }
        for(int i = 1; i < len1 + 1;i++){
            char c1 = word1.charAt(i - 1);
            for(int j = 1;j < len2 + 1;j++){
                char c2 = word2.charAt(j - 1);
                if(c1 == c2){
                    dp[i][j] = dp[i - 1][j - 1];
                }
                else{
                    dp[i][j] = Math.min(dp[i - 1][j - 1] + 2,Math.min(dp[i - 1][j] + 1,dp[i][j - 1] + 1));
                }
            }
        }
        return dp[len1][len2];
    }
}

编辑距离是用动规来解决的经典题目

72.编辑距离（困难题）

文章链接：代码随想录 (programmercarl.com)

思路：无思路

看完文章后的反思：（摘自代码随想录）

（1）确定dp数组及其含义

        dp[i][j] 表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]

（2）确定递推公式

在确定递推公式的时候，首先要考虑清楚编辑的几种操作，整理如下：

if (word1[i - 1] == word2[j - 1])
    不操作
if (word1[i - 1] != word2[j - 1])
    增
    删
    换

也就是如上4种情况。

if (word1[i - 1] == word2[j - 1]) 那么说明不用任何编辑，dp[i][j] 就应该是 dp[i - 1][j - 1]，即dp[i][j] = dp[i - 1][j - 1];

if (word1[i - 1] != word2[j - 1])，此时就需要编辑了，如何编辑呢？

• 操作一：word1删除一个元素，那么就是以下标i - 2为结尾的word1 与 j-1为结尾的word2的最近编辑距离 再加上一个操作。

即 dp[i][j] = dp[i - 1][j] + 1;

• 操作二：word2删除一个元素，那么就是以下标i - 1为结尾的word1 与 j-2为结尾的word2的最近编辑距离 再加上一个操作。

即 dp[i][j] = dp[i][j - 1] + 1;

        其中删除元素就相当于添加元素，因为word2添加一个元素，相当于word1删除一个元素

操作三：替换元素，word1替换word1[i - 1]，使其与word2[j - 1]相同，此时不用增删加元素。

那么只需要一次替换的操作，就可以让 word1[i - 1] 和 word2[j - 1] 相同。

所以 dp[i][j] = dp[i - 1][j - 1] + 1;

综上，当 if (word1[i - 1] != word2[j - 1]) 时取最小的，即：dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;

（3）初始化

dp[i][0]就应该是i，对word1里的元素全部做删除操作，即：dp[i][0] = i;

同理dp[0][j] = j;

（4）确定遍历顺序

从左到右从上到下去遍历

（5）举例推导验证

Java代码：

class Solution {
    public int minDistance(String word1, String word2) {
        int m = word1.length();
        int n = word2.length();
        int[][] dp = new int[m + 1][n + 1];
        // 初始化
        for (int i = 1; i <= m; i++) {
            dp[i][0] =  i;
        }
        for (int j = 1; j <= n; j++) {
            dp[0][j] = j;
        }
        for (int i = 1; i <= m; i++) {
            for (int j = 1; j <= n; j++) {
                // 因为dp数组有效位从1开始
                // 所以当前遍历到的字符串的位置为i-1 | j-1
                if (word1.charAt(i - 1) == word2.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1];
                } else {
                    dp[i][j] = Math.min(Math.min(dp[i - 1][j - 1], dp[i][j - 1]), dp[i - 1][j]) + 1;
                }
            }
        }
        return dp[m][n];
    }
}