【动态规划专题】字符串匹配，编辑距离

字符串匹配问题是dp问题中一类一种经典问题，包括了最长匹配字符串，和编辑距离等。
我们以编辑距离为例

之所以将这几个问题放在一起讨论，因为都是有相同的dp设计思路，和状态转移方程的设计。

• 状态设计思路：二维矩阵dp[i][j]表示word1前i个字符与word2的前j个字符下的子问题，在本问题中就是代表 word1 到i位置转换成 word2 到j 位置需要最少步数。
• 状态转移方程：如果word1[i] == word[j]，说明当前两个字符串一样，可以从对角线转移得到。否则考虑其上方，前方，和对角线三个元素的最值转移得到。在本题中dp[i][j] = min(dp[i-1][j-1], dp[i][j-1], dp[i-1][j])+1。

当然本题还可以考虑如何理解这个状态转移方程，当 dp[i-1][j-1]到dp[i][j]需要进行替换操作，dp[i-1][j]到d[i][j]需要进行删除操作，dp[i][j-1]到d[i][j]需要进行添加操作。

• 初始条件：也就是考虑当word1或word2为空字符串时的对应dp初始值。对应的就是dp[0][j],dp[i][0]。本题中设置为

class Solution(object):
    def minDistance(self, word1, word2):
        """
        :type word1: str
        :type word2: str
        :rtype: int
        """
        n = len(word1)
        m = len(word2)
        # column is word1, row is word2 word1 与word2的顺序不重要
        dp = [[0 for i in range(n+1)]for _ in range(m+1)]
        for i in range(m+1)