动态规划主题专杀-编辑距离-思路自我解剖

做这种题再次强调一点，思路远比代码重要，思路对了，即使代码错了，错的也是细枝末节，思路错了，那就是个0.

所以本文并不想着重讲本题的算法代码，代码解法网上有得是。这里着重剖析自己的思路问题。

 

 

题干：

 

乍一看很没头绪的题目，但隐约感觉能用动态规划来做。首先动态规划你得找到迭代公式吧？得知道如何将原问题降级为一个更小的子问题吧？那么按照这种思路的话，假设两个字符串长度分别为M何N, 记所求答案为dp(M,N),那么自然要想办法降级到dp(X,Y)，其中X<M, Y<N, 是吧？那怎么降呢？

 

反正以我笨拙的直觉还是难以第一时间想到，但是，但凡这种字符串的降级，总是可以从端点来思考，也可以从状态反向思考，例如当考虑字符串intention->execution这种变化在最后一步的时候，可能有哪些情况？根据题干定义，可能是替换了其中一个字符，axecution->execution,可能是插入了一个字符，例如从xecution->execution,也可能是删除了一个字符，executiobn->execution，并且这三种操作可能发生在字符串的任意位置，这就让人很蛋疼了，3中操作+任意位置，变数太大，不像是能解决问题的一个思路。有没有办法降低一点变数呢？

 

网上你可以搜到各种答案告诉你说先让倒数第一个字符相等，再让倒数第二个字符相等，这样逐个缩减规模。

 

这固然是动态规划的典型套路，可是问题来了，首先你TM告诉我为什么你会想用这种方法来降级？其次你TM证明给我看这种按顺序匹配的方式真的是最小编辑距离。总之，绝大部分网上的答案都很轻视这种证明，似乎像在数学证明题中用“显然”，“不言自明”等方式来证明过程。当然啦，这是算法题，不是数学证明题，所以有很多时候，用不着那么严格，写出来的答案就是如此，也不好苛责别人。不过我想说的是，这种轻视最后一层证明的想法，对读者有害，因为会让你看完答案产生一种错觉，这题原来这么简单，然后下次做类似题目你依然不能很快冒出思路。

 

我这里做一个简要分析：如果细细考虑一点，会发现这种编辑距离的若干操作，从评估次数的角度，顺序不重要，例如从execution通过两次变换（先删掉x,再替换第一个e成为a)成为aecution,至于是先删x还是先换e,这根本不重要，得到的结果都一样，过程也都是两次。既然如此，我们就可以人为确定一种顺序来操作，因为任意一种顺序，都具有该操作次数的代表性。也就是说顺序不重要恰恰是一种福利让你利用任意的顺序（包括一种算起来方便的顺序），这就是为什么上面提到的网上的一些解法是可行的。。。以这样的视角来看我们做规模降级就更轻松一点了，没有那么大的变数了（不用再考虑随意位置的变动了）

 

降级的具体方法如下：

如果最后一个字符已经相等，则问题自动dp(M,N)降级为dp(M-1,N-1),

否则，

分别考虑三种情况让最后一个字符串相等，相等后问题就从dp(M,N)降级为dp(M-?,N-?)（这里为什么我用?代替看下面的论证）,因为最后一个字符串已经相等了，就可以一起把这个相等的字符给删了，继续比前面的部分, 所以dp(M,N)同dp(M-?,N-?)的关系则分别从三种情况来推导：

1，插入的情况，则对应dp(M,N)=1+dp(M,N-1)

2，删除的情况则对应dp(M,N)=1+dp(M-1,N)

3，替换的情况对应dp(M,N)=1+dp(M-1,N-1),

那么三种情况取最小值即可， 也就是：

dp(M,N)=min{1+dp(M-1,N),1+dp(M,N-1),1+dp(M-1,N-1)},

以上三种情况插入和替换都比较好理解，插入就是插入一个一样的字符，替换就是把原字符替换成目标字符，唯独删除有点不好理解，难道我删了该字符，顶上来的字符就自动匹配上了？细想一下，如果你从子问题已经得到解决的情况下来看，答案是肯定的，我们动态规划就是从小的子问题扩张到大的原问题这样递推的，所以当你考虑N规模的时候，N-1规模的子问题应该已经默认完成了。

递推公式出来后，问题已经解决了一大半，不过不要得意，最后一步也得认真对待——找到基础case。为了尽可能符合直觉我们把M和N视为数组的下标，也就是通常编程语言从0开始的那个东西，那么在逐渐计算的过程中,M和N都会减小，为了表示整个串都已经匹配完毕的情况，我们还增加一个值为-1,代表当前串已经扫描匹配完了，如下几种情况：

1， M和N都为0了，这时看二者是否相等即可，如相等，则编辑距离为0，否则为1

2，M或N任意一个退得比较快，率先达到-1,那么另一方对应的index+1就代表了剩下这部分的编辑距离，对应全删或者全插入的操作

以上就是base case的设定。

 

有了递推公式和base case，基本上可以说已经完成了99%的工作了，

 

可是为了提高效率，还差一步，就像我们算fibbonaci数列一样，可能存在大量重复子问题，可别忽视这个问题，因为搞不好带来的计算量就是指数爆炸级，这里的问题显然也包含了重复子问题，所以最后还应该用memtable的方式来排除重复计算，这个就不细说了！