leetcode | 72. Edit Distance

题目

Given two words word1 and word2, find the minimum number of operations required to convert word1 to word2.

You have the following 3 operations permitted on a word:

Insert a character
Delete a character
Replace a character

Example 1:

Input: word1 = "horse", word2 = "ros"
Output: 3
Explanation: 
horse -> rorse (replace 'h' with 'r')
rorse -> rose (remove 'r')
rose -> ros (remove 'e')

Example 2:

Input: word1 = "intention", word2 = "execution"
Output: 5
Explanation: 
intention -> inention (remove 't')
inention -> enention (replace 'i' with 'e')
enention -> exention (replace 'n' with 'x')
exention -> exection (replace 'n' with 'c')
exection -> execution (insert 'u')

思路与解法

方法一

这道题目的意思是让我们寻找到一条可行的路径，将word1经过增、删、改三种操作变换为word2，找到最小的步骤数即可。
这是一道经典的动态规划的题目，最直观的想法是利用递归来实现，在递归过程中，当word1[0]!=word2[0]时，分别计算使用增、删、改三种方法将word1[0]转化为word2[0]表示的字符，并求得将剩余的word1Sub转化为word2Sub所需的代价（步骤数），并取得最小代价值+1（因为三种操作代价都为1）返回即可（直接上代码）：

priceDelete := convert(word1[1:], word2)		//delete
priceReplace := convert(word1[1:], word2[1:])	// replace
priceInsert := convert(word1, word2[1:])		// insert

删除的代价计算：convert(word1[1:], word2)，由于word1需要删除第0位，所以接下来的代价便是从word1[1:]转化为word2所需的代价；
替换的代价计算：convert(word1[1:], word2[1:])，由于将word1的第0位替换为与word2的第0位相同的字符，所以剩下的代价即为word1[1:]转化为word2[1:]所需的代价；
插入的代价计算：convert(word1, word2[1:])，由于在word1的第0位插入了一个与word2的第0位相同的字符，所以剩下的代价即为word1转化为word2[1:]所需的代价。

代码实现

此算法我采用go语言实现：（注意：以下代码提交会超时，改进方法后续过程中介绍）

// 此函数为原题目提供函数，调用递归函数返回代价值
func minDistance(word1 string, word2 string) int {
    return convert(word1, word2)
}
// 将word1Sub转化为word2Sub
func convert(word1Sub string, word2Sub string) int {
	// 两个子串刚好匹配完全，即已经找到某个步骤使得word1转化为word2，剩余代价（步骤数）为0
    if word1Sub == "" && word2Sub == "" {
        return 0
    }
    // word1已经匹配完毕，但word2还有一部分，此时，需要付出len(word2Sub)个insert的代价
    if word1Sub == "" {
        return len(word2Sub)
    }
    // word2已经匹配完毕，但word1还有一部分，此时，需要付出len(word1Sub)个delete的代价
    if word2Sub == "" {
        return len(word1Sub)
    }
    // word1Sub与word2Sub首字母相等，则返回convert(word1Sub[1:], word2Sub[1:])即可
    if word1Sub[0] == word2Sub[0] {
        return convert(word1Sub[1:], word2Sub[1:])
    } else {
    	// word1Sub与word2Sub首字母不等，计算三种方法后续的代价，并取最小值+1返回
        priceDelete := convert(word1Sub[1:], word2Sub)
        priceReplace := convert(word1Sub[1:], word2Sub[1:])
        priceInsert := convert(word1Sub, word2Sub[1:])
        priceMin := min(priceDelete, priceReplace, priceInsert) 
        return priceMin + 1 
    }
}
// golang中没有三目运算符，书写比较繁琐
// 返回priceDelete，priceReplace，priceInsert 中最小值
func min(priceDelete, priceReplace, priceInsert int) int {
    var priceSmaller int
    if priceDelete < priceReplace {
        priceSmaller = priceDelete
    } else {
        priceSmaller = priceReplace
    }
    if priceSmaller < priceInsert {
        return priceSmaller
    } else {
        return priceInsert
    }
}

遇到的问题

从上述代码中，我们可以看到该算法的时间复杂度为指数级别，所以提交结果并未通过：
在这里插入图片描述
考虑这样的情况，假设源字符串分别为word1、word2，则：

若进行删除操作：则后续计算为convert(word1[1:], word2)
- 若进行删除操作：则后续计算为convert(word[2:], word2)
- 若进行替换操作：则后续计算为convert(word[2:], word2[1:])
- ……
若进行替换操作：则后续计算为convert(word1[1:], word2[1:])
- ……
若进行插入操作：则后续计算为convert(word1, word2[1:])
- ……

图示如下：
在这里插入图片描述
图中相同的颜色表示相同的转化，可知相同的转化在递归过程中被重复计算多次。

解决方法

由之前的分析可知，有很多重复的情况被多次计算代价，所以我们可以使用空间换时间的方法来提高效率：每次计算得到代价值，便存储当前的转化的两个字符串与该代价值的对应关系，在下次计算前，可以查询此时的两个字符串是否已经求得转化的代价值，若已经求过，则直接返回即可。具体实现如下：

var flag map[string][]map[string]int
func convert(word1Sub string, word2Sub string) int {
    if len(flag[word1Sub]) > 0 {
        for _, maps := range flag[word1Sub] {
            if maps[word2Sub] != 0 {
                return maps[word2Sub]
            }
        }
    } else {
        flag[word1Sub] = make([]map[string]int, 0)	// 特别注意，需要首先make进行初始化
    }
    // ......
    if word1Sub[0] == word2Sub[0] {
        price := convert(word1Sub[1:], word2Sub[1:])
        priceMap := make(map[string]int)
        priceMap[word2Sub] = price
        flag[word1Sub] = append(flag[word1Sub], priceMap)
        return price
    } else {
		// ......
        priceMin := min(priceDelete, priceReplace, priceInsert) 
        priceMap := make(map[string]int)		// 特别注意，需要首先make进行初始化
        priceMap[word2Sub] = priceMin + 1
        flag[word1Sub] = append(flag[word1Sub], priceMap)
        return priceMin + 1 
    }
}
func min(priceDelete, priceReplace, priceInsert int) int {
    // ......
}
func minDistance(word1 string, word2 string) int {
    flag = make(map[string][]map[string]int)	// 特别注意，需要首先make进行初始化
    return convert(word1, word2)
}

省略号附近的代码与之前保持一致，主要添加的是map[string][]map[string]int数据结构，即word1对应于可以转化到word2的一个切片，该切片的每个元素又是一个word2到代价值的一个映射。简单来说，就是每一组(word1,word2)对应一个代价值。

测试结果

在这里插入图片描述

方法二

此动态规划算法也可以使用递推来实现，使用dp[i][j]表示word1的前i个字符转化为word2的前j个字符所需的代价，则：
如果word1[i] == word2[j]，则dp[i][j] = dp[i-1][j-1];
否则,dp[i][j] = min(dp[i-1][j], dp[i-1][j-1], dp[i][j-1]) + 1。
其中dp[i-1][j]、dp[i-1][j-1]、dp[i][j-1]分别表示删除、替换、增加所代表的代价。

代码实现

// 返回priceDelete, priceReplace, priceInsert中的最小值
func min(priceDelete, priceReplace, priceInsert int) int {
    if priceDelete <= priceReplace && priceDelete <= priceInsert {
        return priceDelete
    } else if priceReplace <= priceDelete && priceReplace <= priceInsert {
        return priceReplace
    } else if priceInsert <= priceReplace && priceInsert <= priceDelete {
        return priceInsert
    }
    return 0
}

func minDistance(word1 string, word2 string) int {
    word1Len := len(word1)
    word2Len := len(word2)
    // 在字符串首部添加一个字符，便于计算dp[i][j](i=0或j=0)
    word1 = "."+word1
    word2 = "."+word2
    // 初始化
    dp := [][]int{}
    for i:=0; i<=word1Len; i++ {
        slice := make([]int, word2Len+1)
        dp = append(dp, slice)
        if i == 0 {
            for j:=0; j<=word2Len; j++ {
                dp[i][j] = j
            }
        }
        dp[i][0] =  i
    }
	// 递推
    for i:=1; i<word1Len+1; i++ {
        for j:=1; j<word2Len+1; j++ {
            if word1[i] == word2[j] {
                dp[i][j] = dp[i-1][j-1]
            } else {
                dp[i][j] = min(dp[i-1][j], dp[i-1][j-1], dp[i][j-1]) + 1
            }
        }
    }
    return dp[word1Len][word2Len]
}

遇到的问题

dp数组的初始化十分重要，否则后续计算便不能得到正确的答案。此题目中，如果i等于0，则对于字符串word1，需要进行j次增加操作，dp[0][j]等于j；如果j等于0，则对于字符串word1，需要进行i次删除操作，dp[i][0]=i。

测试结果

在这里插入图片描述