【LeetCode 热题100道笔记】编辑距离

题目描述

给你两个单词 word1 和 word2， 请返回将 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

示例 1：
输入：word1 = “horse”, word2 = “ros”
输出：3
解释：
horse -> rorse (将 ‘h’ 替换为 ‘r’)
rorse -> rose (删除 ‘r’)
rose -> ros (删除 ‘e’)

示例 2：
输入：word1 = “intention”, word2 = “execution”
输出：5
解释：
intention -> inention (删除 ‘t’)
inention -> enention (将 ‘i’ 替换为 ‘e’)
enention -> exention (将 ‘n’ 替换为 ‘x’)
exention -> exection (将 ‘n’ 替换为 ‘c’)
exection -> execution (插入 ‘u’)

提示：

• 0 <= word1.length, word2.length <= 500
• word1 和 word2 由小写英文字母组成

思考

动态规划（DP）：通过构建二维DP表，将“将word1前i个字符转为word2前j个字符的最少操作数”拆分为子问题。若当前字符相等，无需额外操作，直接继承前一子问题的结果；若字符不等，则从“替换”“删除”“插入”三种操作中选最少操作数的方案，逐步推导全局最优解。

算法过程

1. 定义DP表与初始化：

   • 构建 (m+1)×(n+1) 的二维数组 dp（m为word1长度，n为word2长度），dp[i][j] 表示将 word1[0..i-1] 转为 word2[0..j-1] 的最少操作数。
   • 边界初始化：
     • 若 word2 为空（j=0），需删除 word1 所有字符，故 dp[i][0] = i（i次删除操作）。
     • 若 word1 为空（i=0），需插入 word2 所有字符，故 dp[0][j] = j（j次插入操作）。

2. 填充DP表：
   遍历 word1 和 word2 的每个字符（i 对应 word1 前 i 个字符，j 对应 word2 前 j 个字符）：

   • 若 word1[i-1] === word2[j-1]（当前字符相等）：
     无需操作，dp[i][j] = dp[i-1][j-1]（直接继承“处理完前i-1和j-1个字符”的最少操作数）。
   • 若 word1[i-1] !== word2[j-1]（当前字符不等）：
     需从三种操作中选最少操作数：
     1. 替换：将 word1[i-1] 换成 word2[j-1]，操作数= dp[i-1][j-1] + 1（前i-1和j-1的操作数+1次替换）。
     2. 删除：删除 word1[i-1]，操作数= dp[i-1][j] + 1（前i-1个字符转j个字符的操作数+1次删除）。
     3. 插入：在 word1[i-1] 后插入 word2[j-1]，操作数= dp[i][j-1] + 1（前i个字符转j-1个字符的操作数+1次插入）。
        因此 dp[i][j] = Math.min(替换操作数, 删除操作数, 插入操作数)。

3. 结果：dp[m][n] 即为将完整 word1 转为完整 word2 的最少操作数。

时空复杂度分析

• 时间复杂度：O(m×n)，需遍历 word1 和 word2 的所有字符组合（共 m×n 个位置），每个位置的计算仅需常数时间。
• 空间复杂度：O(m×n)，用于存储 (m+1)×(n+1) 的DP表（可优化至 O(min(m,n))，通过滚动数组仅保存当前行和上一行的状态，减少空间占用）。

代码

/**
 * @param {string} word1
 * @param {string} word2
 * @return {number}
 */
var minDistance = function(word1, word2) {
    const [m, n] = [word1.length, word2.length];
    const dp = Array.from({length: m+1}, () => Array(n+1).fill(0));

    for (let i = 1; i <= m; i++) {
        dp[i][0] = i;
    }

    for (let j = 1; j <= n; j++) {
        dp[0][j] = j;
    }

    for (let i = 1; i <= m; i++) {
        for (let j = 1; j <= n; j++) {
            if (word1[i-1] === word2[j-1]) {
                dp[i][j] = dp[i-1][j-1];
            } else {
                dp[i][j] = Math.min(dp[i-1][j-1] + 1, dp[i-1][j] + 1, dp[i][j-1]+1);
            }
        }
    }

    return dp[m][n];
};