动态规划之字符串最短编辑距离

题目描述

给定两个字符串A和B，现在要将A经过若干操作变为B，可进行的操作有：

删除–将字符串A中的某个字符删除。

插入–在字符串A的某个位置插入某个字符。

替换–将字符串A中的某个字符替换为另一个字符。

现在请你求出，将A变为B至少需要进行多少次操作。

输入格式

第一行包含整数n，表示字符串A的长度。

第二行包含一个长度为n的字符串A。

第三行包含整数m，表示字符串B的长度。

第四行包含一个长度为m的字符串B。

字符串中均只包含小写字母。

输出格式

输出一个整数，表示最少操作次数。

数据范围

1≤n,m≤1000

输入样例：

10
AGTCTGACGC
11
AGTAAGTAGGC

输出样例：

4

题解：

将一个字符串通过删除、插入、替换变为另一个字符串的最短距离,可以用动态规划来做，用f(i, j)来表示长度为i的字符串变为长度为j的字符串最小的操作次数，那么如何来求f(i, j)呢？对每个字符我们有3种操作:

1.删除：假设删除a[i]后，a[1 ~ i] 与 b[1 ~ j] 匹配，那么说明a[1 ~ i - 1]已经与b[1 ~ j]相等了，那么多出来的a[i]直接删掉即可，状态转移方程为：f(i, j) = f(i - 1, j) + 1

2.插入：假设插入一个a[i],使a[i] == b[j]后，a[1 ~ i] 与 b[1 ~ j] 匹配,那么说明a[1 ~ i]已经与b[i ~ j - 1]相等了，要使a[1 ~ i]与b[i ~ j]相等,只需再a[1 ~ i]的后面添加一个b[j]即可

状态转移方程为：f(i, j) = f(i, j - 1) + 1

3.替换：假设将a[i]替换成b[j],使得a[1 ~ i] 与 b[1 ~ j] 匹配,那么说明a[1 ~ i - 1]已经与b[i ~ j - 1]相等了，要使a[1 ~ i]与b[i ~ j]相等,只需将a[i]替换为b[j]即可。

如果a[i] = b[j]，则无需替换，状态转移方程为：f(i, j) = f(i - 1, j - 1)

如果a[i] != b[j]，则需要替换，状态转移方程为：f(i, j) = f(i - 1, j - 1) + 1

所以我们得出来总的状态转移方程式为就是上述方程式的最小值

代码如下：

#include<iostream>
using namespace std;
const int N = 1010;
char s1[N], s2[N];
int f[N][N];
int main()
{int n, m;cin >> n >> s1 + 1;cin >> m >> s2 + 1;for(int i = 0; i <= n; i++)  //a[i ~ i]变为0，只能删除， 操作数为if[i][0] = i;for(int i = 0; i <= m; i++)//a[0]变为b[1 ~ i]，只能添加，操作数为if[0][i] = i;for(int i = 1; i <= n; i++){for(int j = 1; j <= m; j++){//f[i - 1][j] + 1 表示进行删除操作//f[i][j - 1] + 1 表示进行添加操作f[i][j] = min(f[i - 1][j] + 1, f[i][j - 1] + 1);//下面的表示进行替换操作if(s1[i] == s2[j])f[i][j] = min(f[i][j], f[i - 1][j - 1]);else f[i][j] = min(f[i][j], f[i - 1][j - 1] + 1);}}cout << f[n][m] << endl;return 0;
}

动态规划之字符串最短编辑距离相关推荐

python距离向量路由算法_python算法练习——动态规划与字符串的编辑距离
动态规划与字符串的编辑距离动态规划动态规划(dynamic programming)是解决多阶段决策问题常用的最优化理论,该理论由美国数学家Bellman等人在1957年提出,用于研究多阶段决策过 ...
经典动态规划问题：最短编辑距离算法的原理及实现
编辑距离的定义编辑距离(Edit Distance)最常用的定义就是Levenstein距离,是由俄国科学家Vladimir Levenshtein于1965年提出的,所以编辑距离一般又称Leven ...
【动态规划】字符串类型动态规划
这里总结一下字符串类型的动态规划问题,一般涉及最值问题,方案数问题都可以使用动态规划来解决最短编辑距离这个问题显然是一个最优解问题,对于最优解问题我们可以考虑动态规划解题,因此我们得先考虑子问题, ...
最短编辑距离（动态规划超详细填表法）
链接:https://www.nowcoder.com/questionTerminal/9649617be3bf42288f50758df4310655 来源:牛客网 UNIX系统下有一个行编辑器e ...
8.动态规划（1）——字符串的编辑距离
动态规划的算法题往往都是各大公司笔试题的常客.在不少算法类的微信公众号中,关于"动态规划"的文章屡见不鲜,都在试图用最浅显易懂的文字来描述讲解动态规划,甚至有的用漫画来解释,认真读 ...
算法——动态规划算法求解字符串的编辑距离
当有人让你用递归算法求解斐波那契数列以及字符串的编辑距离时,所设的陷阱都是一致的(递归调用时的重复计算),解决方案也是一致的(引入备忘录概念).观察树形的层级调用关系,我们可以发现动态规划隐式地嵌入了 ...
动态规划最常见的习题（最长公共子串、最长公共子序列、最短编辑距离）
(1)理论部分: (2)习题: 最长公共子串: 1 package month7.dp; 2 3 //https://www.nowcoder.com/questionTerminal/181a1a7 ...
最短编辑距离 python_最短编辑距离算法实现
一,算法介绍在CS124课程的第一周提到求解两个字符串相似度的算法---Minimum Edit Distance(最短编辑距离)算法.该算法在NLP(自然语言处理)中也会用到. 如何定义相似度呢 ...
最短编辑距离问题理解
最短编辑距离是指两个字符串,把其中一个字符串转为另一个字符串所需要花费的最小操作成本. 设dp[i][j]为Xi与Yj的最短编辑距离,则Xi与Yj处于最优解时的排列有三种情况 1.Xi最后一个元素xi ...

动态规划之字符串最短编辑距离

题目描述

输入格式

输出格式

数据范围

输入样例：

输出样例：

动态规划之字符串最短编辑距离相关推荐

最新文章

热门文章