LeetCode - 72. Edit Distance(编辑距离问题)(三个依赖的滚动优化)
- 记忆化
- 二维dp
- 一维dpO(M)
- 一维dpO(min(N,M))
- 加强问题(ic,dc,rc)
题目链接
题目
记忆化
使用递归的解法:
从两个字符串的最后的位置开始考虑:
- 如果最后两个字符
(i,j)
相等,最后两个字符就不要配对,所以等于minDistance(s1[0..i-1],s2[0...j-1])
; - 如果最后两个字符不相等: 说明要编辑,具体可以分为三种情况:
- 如果
s1[i-1]
和s2[j]
可以配对,那我就删除s1[i]
即可(删除); - 如果
s1[i]和s2[j-1]
可以配对,那我就在s1
的后面加上s2[j]
即可(插入); - 如果
s1[i-1]和s2[j-1]
可以配对,那我就把s1[i]
修改成s2[j]
即可;
- 如果
然后就是使用一个dp
数组记录递归中已经求解的子问题。
class Solution {
private int[][] dp;
private char[] s1;
private char[] s2;
public int minDistance(String word1, String word2) {
s1 = word1.toCharArray();
s2 = word2.toCharArray();
dp = new int[s1.length][s2.length];
for (int[] item : dp)
Arrays.fill(item, -1);
return rec(s1.length - 1, s2.length - 1);
}
public int rec(int i, int j) {
if (j == -1)
return i + 1; //将s1编辑成空串 注意下标是 i但是有i+1个
if (i == -1)
return j + 1; //将s2编辑成空串
if (dp[i][j] != -1)
return dp[i][j];
if (s1[i] == s2[j])
dp[i][j] = rec(i - 1, j - 1);
else {
dp[i][j] = 1 + min(rec(i - 1, j), // delete i
rec(i, j - 1), // add i+1 index
rec(i - 1, j - 1)); // replace i
}
return dp[i][j];
}
public int min(int a, int b, int c) {
return Math.min(Math.min(a, b), c);
}
}
二维dp
二维dp
就是使用一个二维数组从左到右,从上倒下来递归出最后的答案,注意几点:
dp
数组的大小dp[chs1.length + 1] [chs2.length + 1]
,因为一开始是空串" "
,所以要多开一个;- 一开始初始化第一行和第一列,第一行表示的是
chs1
为""
,变成chs2
要添加chs2
长度的次数。第一列表示的是要删除的。
class Solution {
public int minDistance(String word1, String word2) {
int[][] dp = new int[word1.length() + 1][word2.length() + 1]; //注意要 + 1因为一开始是空串
for (int i = 0; i < word1.length() + 1; i++) dp[i][0] = i;
for (int j = 0; j < word2.length() + 1; j++) dp[0][j] = j;
char c1, c2;
for (int i = 1; i < word1.length() + 1; i++) {
for (int j = 1; j < word2.length() + 1; j++) {
c1 = word1.charAt(i - 1);
c2 = word2.charAt(j - 1);
dp[i][j] = c1 == c2 ? dp[i - 1][j - 1] : min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1;
}
}
return dp[word1.length()][word2.length()];
}
public int min(int a, int b, int c) {
return Math.min(Math.min(a, b), c);
}
}
一维dpO(M)
这个题目的滚动优化和之前的动态规划有一点点不同,不同的地方在于:
- 一个普通位置依赖的位置有三个地方,而如果只使用一个数组的话,左上角的位置的在更新的时候产生了变动;
解决的办法是使用两个变量temp
和pre
保存,在更新之前,使用temp
保存dp[j]
,然后dp[j]
要被更新,然后将dp[j]
赋值给pre
,下次递推的时候,左上角的值就是pre
;
class Solution {
public int minDistance(String word1, String word2) {
char[] chs1 = word1.toCharArray();
char[] chs2 = word2.toCharArray();
int[] dp = new int[word2.length() + 1]; //注意要 + 1因为一开始是空串
for (int j = 0; j < word2.length() + 1; j++) dp[j] = j;
char c1, c2;
int temp, pre;
for (int i = 1; i < word1.length() + 1; i++) {
pre = dp[0]; //上一排的
dp[0] = i; //这一排新dp[0]
for (int j = 1; j < word2.length() + 1; j++) {
c1 = word1.charAt(i - 1);
c2 = word2.charAt(j - 1); //注意下标对应的关系
temp = dp[j]; // 先要保存,因为等下就更新了
dp[j] = c1 == c2 ? pre : min(dp[j], dp[j - 1], pre) + 1;
pre = temp; //记得先保存一下左上角的 pre的值(在二维的dp中就是dp[i-1][j-1])
}
}
return dp[word2.length()];
}
public int min(int a, int b, int c) {
return Math.min(Math.min(a, b), c);
}
}
一维dpO(min(N,M))
这个就是上面的一点改进,选取行和列中最小的作为dp
数组的大小。
class Solution {
public int minDistance(String word1, String word2) {
char[] chs1 = word1.toCharArray();
char[] chs2 = word2.toCharArray();
char[] more = chs1.length >= chs2.length ? chs1 : chs2;
char[] less = chs1.length < chs2.length ? chs1 : chs2;
int[] dp = new int[less.length + 1];
for (int j = 0; j < less.length + 1; j++) dp[j] = j;
int temp, pre;
for (int i = 1; i < more.length + 1; i++) {
pre = dp[0];
dp[0] = i;
for (int j = 1; j < less.length + 1; j++) {
temp = dp[j];
dp[j] = more[i - 1] == less[j - 1] ? pre : min(dp[j], dp[j - 1], pre) + 1;
pre = temp;
}
}
return dp[less.length];
}
public int min(int a, int b, int c) {
return Math.min(Math.min(a, b), c);
}
}
加强问题(ic,dc,rc)
题目:
给定两个字符串str1
和str2
,再给定三个整数ic、dc
和rc
,分别代表插入、删除和替换一个字符的代价,返回将str1
编辑成str2
的最小代价。
这个问题是上面问题的加强版,不同的地方在于这里三个编辑的代价不同,所以我们要更加的清楚是哪个编辑的更新:
**也就是说: **
dp[i-1][j]
代表的是删除了chs1[i-1]
,然后配对chs1[i-2]
和chs2[j-1]
, 所以加上dc
(删除chs1[i-1]
的);dp[i][j-1]
代表的是配对chs1[i-1]
和chs2[j-2]
,所以我们在chs1
后面添加一个来和chs2[j-1]
字符配对,所以加上ic
;
class Solution {
/**
* 给定的 ic, dc ,rc 分别代表的是 插入,删除 取代的代价
* 普通二维dp
*/
public int minDistance(String word1, String word2, int ic, int dc, int rc) {
char[] chs1 = word1.toCharArray();
char[] chs2 = word2.toCharArray();
int[][] dp = new int[chs1.length + 1][chs2.length + 1];
for (int i = 0; i < chs1.length + 1; i++) dp[i][0] = i * dc; //chs1是 , chs2是"" ->要删除
for (int j = 0; j < chs2.length + 1; j++) dp[0][j] = j * ic; //chs1 是"" 转换成chs2 -> 要添加
for (int i = 1; i < chs1.length + 1; i++) {
for (int j = 1; j < chs2.length + 1; j++) {
dp[i][j] = chs1[i - 1] == chs2[j - 1] ? dp[i - 1][j - 1]
: min(dp[i][j - 1] + ic, dp[i - 1][j] + dc, dp[i - 1][j - 1] + rc); //dp[i-1][j]代表的是删除了 chs1[i-1] 所以加上dc
}
}
return dp[chs1.length][chs2.length];
}
public int min(int a, int b, int c) {
return Math.min(Math.min(a, b), c);
}
}
空间优化:
这里要注意如果chs1
作为更短的话,要进行字符串的调换。
class Solution {
//空间 O(min(N,M))
public int minDistance(String word1, String word2, int ic, int dc, int rc) {
char[] chs1 = word1.toCharArray();
char[] chs2 = word2.toCharArray();
char[] more = chs1.length >= chs2.length ? chs1 : chs2;
char[] less = chs1.length < chs2.length ? chs1 : chs2;
int temp, pre;
if (chs1 == less) { //把chs1作为了列对应的字符串 就交换一下
temp = ic;
ic = dc;
dc = temp;
}
int[] dp = new int[less.length + 1];
for (int j = 0; j < less.length + 1; j++) dp[j] = j * ic;
for (int i = 1; i < more.length + 1; i++) {
pre = dp[0];
dp[0] = i * dc;
for (int j = 1; j < less.length + 1; j++) {
temp = dp[j];
dp[j] = more[i - 1] == less[j - 1] ? pre : min(pre + rc, dp[j] + dc, dp[j - 1] + ic);
pre = temp;
}
}
return dp[less.length];
}
public int min(int a, int b, int c) {
return Math.min(Math.min(a, b), c);
}
}