题目链接:https://leetcode-cn.com/problems/edit-distance/
题目描述
给定两个单词 word1 和 word2,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')
思路
典型的动态规划题目。我们设置二维数组dp[m+1][n+1]
dp[i][j]
表示word1前i
个字符与word2前j
个字符的距离。
(1)首先初始化dp[i][0]=i,dp[0][j] = j;即空串与一个字符串的距离=字符串长度。
(2)动态规划方程如下:
dp[i][j] = min(dp[i][j-1] + 1, dp[i-1][j] + 1, dp[i-1][j-1]+ (word[i-1]!=word[j-1])
分别对应增,删,改三种情况;取三者的最小值作为dp[i][j]
的值。最终dp[m+1][n+1]
即为word1和word2的编辑距离。
复杂度分析
时间复杂度:O(mn)
空间复杂度:O(mn)
m,n分别为word1和word2的长度
代码
/*
* 编辑距离
* 动态规划
* 时间复杂度O(mn) 空间复杂度O(mn)
*/
class Solution {
public:
int minDistance(string word1, string word2) {
if(word1.empty()) return word2.size();
if(word2.empty()) return word1.size();
int len1 = word1.size(), len2 = word2.size();
vector<vector<int>> dp(len1+1, vector<int>(len2+1,0));
for (int i = 0; i < len1+1; ++i) dp[i][0] = i; // 字符串1长度为i与空串距离
for (int j = 0; j < len2+1; ++j) dp[0][j] = j; // 字符串2长度为j与空串距离
for (int i = 1; i < len1+1; ++i) {
for (int j = 1; j < len2+1; ++j) {
dp[i][j] = min(dp[i-1][j] + 1, dp[i][j-1] + 1);
dp[i][j] = min(dp[i][j] , dp[i-1][j-1] + (word1[i-1] != word2[j-1]));
}
}
return dp.back().back();
}
};