2021.03.18编辑距离

最新推荐文章于 2025-08-21 19:10:05 发布

范谦之

最新推荐文章于 2025-08-21 19:10:05 发布

阅读量143

点赞数

CC 4.0 BY-SA版权

文章标签：算法蓝桥杯 java

本文链接：https://blog.csdn.net/Zack_zc_zc/article/details/123624576

本文解析了如何使用动态规划解决LeetCode编辑距离问题，介绍了状态定义、转移方程，并提供了代码示例。核心思路是通过比较字符，计算插入、删除和替换操作的最小代价。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2021.03.18编辑距离

（题目来源：https://leetcode-cn.com/problems/edit-distance/ ）

题目描述

给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数。

你可以对一个单词进行如下三种操作：

插入一个字符
删除一个字符
替换一个字符

思路

【TLE】错误思路：dfs

    void dfs(int i, int j, int cnt) {
    	if(i<n1&&j==n2) {
    		cnt+=n1-i;
    		ans = Math.min(ans, cnt);
    		return;
    	}
    	if(i==n1&&j<n2) {
    		cnt+=n2-j;
    		ans = Math.min(ans, cnt);
    		return;
    	}
    	if(i==n1&&j==n2) {
    		ans = Math.min(ans, cnt);
    		return;
    	}
    	//如果相等，则不变
        //System.out.println(i+" "+j);
    	if(s1[i]==s2[j]) {
    		dfs(i+1,j+1,cnt);
    	}else {
    		//如果不等，可以考虑插入/删除/替换
    		//插入
    		dfs(i,j+1,cnt+1);
    		//删除
    		dfs(i+1,j,cnt+1);
    		//替换
    		dfs(i+1,j+1,cnt+1);
    	}
    }

正确思路：动态规划

1.定义状态：dp[i][j]指的是当操作：s1中下标为i的元素和 s2中下标为j的元素时已经花的步数。（还未完成操作）

2.状态转移方程：（2021.05.18更新）
对于dp[i][j]：什么样的先决条件可以使我们处理到 s1中下标为i 和 s2中下标为j的两个元素呢？
答：
A) 当s1[i-1] == s2[j-1]时，不需要任何操作，自然过渡到(i,j)状态，即dp[i][j] = dp[i-1][j-1]
B) 通过(i-1,j)状态加上一步删除操作。即dp[i][j] = dp[i-1][j] + 1. // 注意，为了从(i-1,j) --> (i,j)，尽管s1[i-1] == s2[j]我们还是要通过一步删除操作。
C) 通过(i,j-1)状态加上一步插入操作。即dp[i][j] = dp[i][j-1] + 1.
D) 通过(i-1,j-1)状态加入一步修改操作。即dp[i][j] = dp[i-1][j-1]+1.

代码

 	public int minDistance(String word1, String word2) {
		char[] chs1 = word1.toCharArray();
		char[] chs2 = word2.toCharArray();
		int m = chs1.length, n = chs2.length;
		//定义状态：dp[i][j]：当对 word1的第i个字符 和 word2的第j个字符 进行操作时
		//已经完成的操作数。 所以dp[0][0] == 0
		int[][] dp = new int[m+1][n+1];
		// chs1上各个元素和chs2[0]进行比较时，疯狂删除
		for(int i = 1; i <= m; i++) dp[i][0] = dp[i-1][0]+1;
		// chs1[0]上各个元素和chs2上各个元素比较，疯狂插入
		for(int j = 1; j <= n; j++) dp[0][j] = dp[0][j-1]+1;
		// 所以，一直要到dp[m][n]才算转换完成
		for(int i = 1; i <= m; i++) {
			for(int j = 1; j <= n; j++) {
				if(chs1[i-1] == chs2[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-1][j]), dp[i][j-1])+1;
			}
		}
		return dp[m][n];
    }