274 lines
8.9 KiB
Markdown
274 lines
8.9 KiB
Markdown
<p align="center">
|
||
<a href="https://mp.weixin.qq.com/s/RsdcQ9umo09R6cfnwXZlrQ"><img src="https://img.shields.io/badge/PDF下载-代码随想录-blueviolet" alt=""></a>
|
||
<a href="https://mp.weixin.qq.com/s/b66DFkOp8OOxdZC_xLZxfw"><img src="https://img.shields.io/badge/刷题-微信群-green" alt=""></a>
|
||
<a href="https://space.bilibili.com/525438321"><img src="https://img.shields.io/badge/B站-代码随想录-orange" alt=""></a>
|
||
<a href="https://mp.weixin.qq.com/s/QVF6upVMSbgvZy8lHZS3CQ"><img src="https://img.shields.io/badge/知识星球-代码随想录-blue" alt=""></a>
|
||
</p>
|
||
<p align="center"><strong>欢迎大家<a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||
|
||
## 72. 编辑距离
|
||
|
||
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
|
||
|
||
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
|
||
|
||
|
||
## 思路
|
||
|
||
编辑距离终于来了，这道题目如果大家没有了解动态规划的话，会感觉超级复杂。
|
||
|
||
编辑距离是用动规来解决的经典题目，这道题目看上去好像很复杂，但用动规可以很巧妙的算出最少编辑距离。
|
||
|
||
接下来我依然使用动规五部曲，对本题做一个详细的分析：
|
||
|
||
1. 确定dp数组（dp table）以及下标的含义
|
||
|
||
**dp[i][j] 表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]**。
|
||
|
||
这里在强调一下：为啥要表示下标i-1为结尾的字符串呢，为啥不表示下标i为结尾的字符串呢？
|
||
|
||
用i来表示也可以！ 但我统一以下标i-1为结尾的字符串，在下面的递归公式中会容易理解一点。
|
||
|
||
2. 确定递推公式
|
||
|
||
在确定递推公式的时候，首先要考虑清楚编辑的几种操作，整理如下：
|
||
|
||
* if (word1[i - 1] == word2[j - 1])
|
||
* 不操作
|
||
* if (word1[i - 1] != word2[j - 1])
|
||
* 增
|
||
* 删
|
||
* 换
|
||
|
||
也就是如上四种情况。
|
||
|
||
if (word1[i - 1] == word2[j - 1]) 那么说明不用任何编辑，dp[i][j] 就应该是 dp[i - 1][j - 1]，即dp[i][j] = dp[i - 1][j - 1];
|
||
|
||
此时可能有同学有点不明白，为啥要即dp[i][j] = dp[i - 1][j - 1]呢？
|
||
|
||
那么就在回顾上面讲过的dp[i][j]的定义，word1[i - 1] 与 word2[j - 1]相等了，那么就不用编辑了，以下标i-2为结尾的字符串word1和以下标j-2为结尾的字符串word2的最近编辑距离dp[i - 1][j - 1] 就是 dp[i][j]了。
|
||
|
||
在下面的讲解中，如果哪里看不懂，就回想一下dp[i][j]的定义，就明白了。
|
||
|
||
**在整个动规的过程中，最为关键就是正确理解dp[i][j]的定义！**
|
||
|
||
if (word1[i - 1] != word2[j - 1])，此时就需要编辑了，如何编辑呢？
|
||
|
||
操作一：word1增加一个元素，使其word1[i - 1]与word2[j - 1]相同，那么就是以下标i-2为结尾的word1 与 i-1为结尾的word2的最近编辑距离 加上一个增加元素的操作。
|
||
|
||
即 dp[i][j] = dp[i - 1][j] + 1;
|
||
|
||
|
||
操作二：word2添加一个元素，使其word1[i - 1]与word2[j - 1]相同，那么就是以下标i-1为结尾的word1 与 j-2为结尾的word2的最近编辑距离 加上一个增加元素的操作。
|
||
|
||
即 dp[i][j] = dp[i][j - 1] + 1;
|
||
|
||
这里有同学发现了，怎么都是添加元素，删除元素去哪了。
|
||
|
||
**word2添加一个元素，相当于word1删除一个元素**，例如 word1 = "ad" ，word2 = "a"，word2添加一个元素d，也就是相当于word1删除一个元素d，操作数是一样！
|
||
|
||
操作三：替换元素，word1替换word1[i - 1]，使其与word2[j - 1]相同，此时不用增加元素，那么以下标i-2为结尾的word1 与 j-2为结尾的word2的最近编辑距离 加上一个替换元素的操作。
|
||
|
||
即 dp[i][j] = dp[i - 1][j - 1] + 1;
|
||
|
||
综上，当 if (word1[i - 1] != word2[j - 1]) 时取最小的，即：dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
|
||
|
||
递归公式代码如下：
|
||
|
||
```C++
|
||
if (word1[i - 1] == word2[j - 1]) {
|
||
dp[i][j] = dp[i - 1][j - 1];
|
||
}
|
||
else {
|
||
dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
|
||
}
|
||
```
|
||
|
||
3. dp数组如何初始化
|
||
|
||
在回顾一下dp[i][j]的定义。
|
||
|
||
**dp[i][j] 表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]**。
|
||
|
||
那么dp[i][0] 和 dp[0][j] 表示什么呢？
|
||
|
||
dp[i][0] ：以下标i-1为结尾的字符串word1，和空字符串word2，最近编辑距离为dp[i][0]。
|
||
|
||
那么dp[i][0]就应该是i，对word1里的元素全部做删除操作，即：dp[i][0] = i;
|
||
|
||
同理dp[0][j] = j;
|
||
|
||
所以C++代码如下：
|
||
|
||
```C++
|
||
for (int i = 0; i <= word1.size(); i++) dp[i][0] = i;
|
||
for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;
|
||
```
|
||
|
||
4. 确定遍历顺序
|
||
|
||
从如下四个递推公式：
|
||
|
||
* dp[i][j] = dp[i - 1][j - 1]
|
||
* dp[i][j] = dp[i - 1][j - 1] + 1
|
||
* dp[i][j] = dp[i][j - 1] + 1
|
||
* dp[i][j] = dp[i - 1][j] + 1
|
||
|
||
可以看出dp[i][j]是依赖左方，上方和左上方元素的，如图：
|
||
|
||
|
||
|
||
所以在dp矩阵中一定是从左到右从上到下去遍历。
|
||
|
||
代码如下：
|
||
|
||
```C++
|
||
for (int i = 1; i <= word1.size(); i++) {
|
||
for (int j = 1; j <= word2.size(); j++) {
|
||
if (word1[i - 1] == word2[j - 1]) {
|
||
dp[i][j] = dp[i - 1][j - 1];
|
||
}
|
||
else {
|
||
dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
5. 举例推导dp数组
|
||
|
||
以示例1，输入：word1 = "horse", word2 = "ros"为例，dp矩阵状态图如下：
|
||
|
||
|
||
|
||
以上动规五部分析完毕，C++代码如下：
|
||
|
||
```C++
|
||
class Solution {
|
||
public:
|
||
int minDistance(string word1, string word2) {
|
||
vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
|
||
for (int i = 0; i <= word1.size(); i++) dp[i][0] = i;
|
||
for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;
|
||
for (int i = 1; i <= word1.size(); i++) {
|
||
for (int j = 1; j <= word2.size(); j++) {
|
||
if (word1[i - 1] == word2[j - 1]) {
|
||
dp[i][j] = dp[i - 1][j - 1];
|
||
}
|
||
else {
|
||
dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
|
||
}
|
||
}
|
||
}
|
||
return dp[word1.size()][word2.size()];
|
||
}
|
||
};
|
||
```
|
||
|
||
|
||
## 其他语言版本
|
||
|
||
|
||
Java：
|
||
```java
|
||
public int minDistance(String word1, String word2) {
|
||
int m = word1.length();
|
||
int n = word2.length();
|
||
int[][] dp = new int[m + 1][n + 1];
|
||
// 初始化
|
||
for (int i = 1; i <= m; i++) {
|
||
dp[i][0] = i;
|
||
}
|
||
for (int j = 1; j <= n; j++) {
|
||
dp[0][j] = j;
|
||
}
|
||
for (int i = 1; i <= m; i++) {
|
||
for (int j = 1; j <= n; j++) {
|
||
// 因为dp数组有效位从1开始
|
||
// 所以当前遍历到的字符串的位置为i-1 | j-1
|
||
if (word1.charAt(i - 1) == word2.charAt(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][j - 1]), dp[i - 1][j]) + 1;
|
||
}
|
||
}
|
||
}
|
||
return dp[m][n];
|
||
}
|
||
```
|
||
|
||
Python：
|
||
|
||
|
||
Go：
|
||
```Go
|
||
func minDistance(word1 string, word2 string) int {
|
||
m, n := len(word1), len(word2)
|
||
dp := make([][]int, m+1)
|
||
for i := range dp {
|
||
dp[i] = make([]int, n+1)
|
||
}
|
||
for i := 0; i < m+1; i++ {
|
||
dp[i][0] = i // word1[i] 变成 word2[0], 删掉 word1[i], 需要 i 部操作
|
||
}
|
||
for j := 0; j < n+1; j++ {
|
||
dp[0][j] = j // word1[0] 变成 word2[j], 插入 word1[j]，需要 j 部操作
|
||
}
|
||
for i := 1; i < m+1; i++ {
|
||
for j := 1; j < n+1; j++ {
|
||
if word1[i-1] == word2[j-1] {
|
||
dp[i][j] = dp[i-1][j-1]
|
||
} else { // Min(插入，删除，替换)
|
||
dp[i][j] = Min(dp[i][j-1], dp[i-1][j], dp[i-1][j-1]) + 1
|
||
}
|
||
}
|
||
}
|
||
return dp[m][n]
|
||
}
|
||
func Min(args ...int) int {
|
||
min := args[0]
|
||
for _, item := range args {
|
||
if item < min {
|
||
min = item
|
||
}
|
||
}
|
||
return min
|
||
}
|
||
```
|
||
|
||
|
||
|
||
-----------------------
|
||
* 作者微信：[程序员Carl](https://mp.weixin.qq.com/s/b66DFkOp8OOxdZC_xLZxfw)
|
||
* B站视频：[代码随想录](https://space.bilibili.com/525438321)
|
||
* 知识星球：[代码随想录](https://mp.weixin.qq.com/s/QVF6upVMSbgvZy8lHZS3CQ)
|
||
<div align="center"><img src=../pics/公众号.png width=450 alt=> </img></div>
|