淄博营销网站建设网站开发公司
Leetcode 72.编辑距离
题目描述
给定两个单词 word1 和 word2，返回将 word1 转换为 word2 所使用的最少操作数。
你可以对一个单词执行以下三种操作之一：
- 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 (替换 'h' 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 -> exention (替换 'i' 为 'e')
exention -> exection (替换 'n' 为 'c')
exection -> execuion (替换 'e' 为 'u')
execuion -> execution (替换 'i' 为 't')
Java 实现代码
public class Solution {public int minDistance(String word1, String word2) {int m = word1.length();int n = word2.length();// dp[i][j] 表示 word1[0..i-1] 和 word2[0..j-1] 的最小编辑距离int[][] dp = new int[m + 1][n + 1];// 初始化 DP 数组for (int i = 0; i <= m; i++) {for (int j = 0; j <= n; j++) {if (i == 0) {dp[i][j] = j; // 如果 word1 为空，需要插入 j 个字符} else if (j == 0) {dp[i][j] = i; // 如果 word2 为空，需要删除 i 个字符} else {if (word1.charAt(i - 1) == word2.charAt(j - 1)) {dp[i][j] = dp[i - 1][j - 1]; // 如果字符相等，不需要做任何操作} else {dp[i][j] = Math.min(Math.min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;// 三种操作的最小值：删除、插入、替换}}}}return dp[m][n];}
}
解题思路
编辑距离问题是一个经典的动态规划问题，我们可以通过动态规划来逐步解决。
状态定义：
- 定义
dp[i][j]为word1[0..i-1]和word2[0..j-1]之间的最小编辑距离。状态转移：
- 如果
word1[i-1] == word2[j-1]，则dp[i][j] = dp[i-1][j-1]，表示如果两个字符相等，编辑距离不变。- 如果
word1[i-1] != word2[j-1]，则dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1，表示三种操作的最小值：
dp[i-1][j] + 1：删除一个字符。dp[i][j-1] + 1：插入一个字符。dp[i-1][j-1] + 1：替换一个字符。初始状态：
dp[i][0] = i，表示word1[0..i-1]和空字符串的编辑距离是i（即删除所有字符）。dp[0][j] = j，表示 空字符串 和word2[0..j-1]的编辑距离是j（即插入所有字符）。目标：
- 最终结果为
dp[m][n]，其中m和n分别是word1和word2的长度。
复杂度分析
时间复杂度：
O(m * n)，其中m和n分别是word1和word2的长度。我们需要计算一个m x n的 DP 表格，每个元素的计算是常数时间。空间复杂度：
O(m * n)，我们需要一个m x n的 DP 表格来存储子问题的解。
执行过程示例
假设 word1 = "horse"，word2 = "ros"，我们通过动态规划计算编辑距离。
-
初始化 DP 数组：
dp = [[0, 1, 2, 3],[1, 0, 0, 0],[2, 0, 0, 0],[3, 0, 0, 0],[4, 0, 0, 0],[5, 0, 0, 0] ] -
填充 DP 数组：
i = 1, j = 1，word1[0] = 'h',word2[0] = 'r'，不相等，dp[1][1] = min(dp[0][1], dp[1][0], dp[0][0]) + 1 = 1。i = 1, j = 2，word1[0] = 'h',word2[1] = 'o'，不相等，dp[1][2] = min(dp[0][2], dp[1][1], dp[0][1]) + 1 = 2。i = 1, j = 3，word1[0] = 'h',word2[2] = 's'，不相等，dp[1][3] = min(dp[0][3], dp[1][2], dp[0][2]) + 1 = 3。i = 2, j = 1，word1[1] = 'o',word2[0] = 'r'，不相等，dp[2][1] = min(dp[1][1], dp[2][0], dp[1][0]) + 1 = 2。i = 2, j = 2，word1[1] = 'o',word2[1] = 'o'，相等，dp[2][2] = dp[1][1] = 1。i = 2, j = 3，word1[1] = 'o',word2[2] = 's'，不相等，dp[2][3] = min(dp[1][3], dp[2][2], dp[1][2]) + 1 = 2。i = 3, j = 1，word1[2] = 'r',word2[0] = 'r'，相等，dp[3][1] = dp[2][0] = 2。i = 3, j = 2，word1[2] = 'r',word2[1] = 'o'，不相等，dp[3][2] = min(dp[2][2], dp[3][1], dp[2][1]) + 1 = 2。i = 3, j = 3，word1[2] = 'r',word2[2] = 's'，不相等，dp[3][3] = min(dp[2][3], dp[3][2], dp[2][2]) + 1 = 3。i = 4, j = 1，word1[3] = 's',word2[0] = 'r'，不相等，dp[4][1] = min(dp[3][1], dp[4][0], dp[3][0]) + 1 = 3。i = 4, j = 2，word1[3] = 's',word2[1] = 'o'，不相等，dp[4][2] = min(dp[3][2], dp[4][1], dp[3][1]) + 1 = 3。- `i = 4, j = 3
，word1[3] = ‘s’, word2[2] = ‘s’，相等，dp[4][3] = dp[3][2] = 2`。
i = 5, j = 1，word1[4] = 'e',word2[0] = 'r'，不相等，dp[5][1] = min(dp[4][1], dp[5][0], dp[4][0]) + 1 = 4。i = 5, j = 2，word1[4] = 'e',word2[1] = 'o'，不相等，dp[5][2] = min(dp[4][2], dp[5][1], dp[4][1]) + 1 = 4。i = 5, j = 3，word1[4] = 'e',word2[2] = 's'，不相等，dp[5][3] = min(dp[4][3], dp[5][2], dp[4][2]) + 1 = 3。
-
最终 DP 数组：
dp = [[0, 1, 2, 3],[1, 1, 2, 3],[2, 2, 1, 2],[3, 2, 2, 3],[4, 3, 3, 2],[5, 4, 4, 3] ] -
结果为
dp[5][3] = 3，即编辑距离为 3。