123. Leetcode 72. 编辑距离 (动态规划- 字符串系列)
步骤一、确定状态:
确定dp数组及下标含义 dp[i][j]表示word1[:i]的单词与word2[:j]单词之间的最小编辑距离
步骤二、推断状态方程:
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]):
插入操作 删除操作 替换操作
步骤二、推断状态方程:
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];
步骤二、推断状态方程:
if (word1[i - 1] != word2[j - 1])
操作一:word1删除一个元素,那么就是以下标i - 2为结尾的 word1 与 j-1为结尾的word2的最近编辑距离 再加上一个操作。 即 dp[i][j] = dp[i - 1][j] + 1;
操作二:word2删除一个元素,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 再加上一个操作。 即 dp[i][j] = dp[i][j - 1] + 1;
步骤二、推断状态方程:
word2添加一个元素,相当于word1删除一个元素 dp数组如下图所示意的:
步骤二、推断状态方程:
if (word1[i - 1] != word2[j - 1])
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;
步骤三、规定初始条件:
初始条件:
全局初始化为0,而第一行和第一列需要初始化
步骤四、计算顺序: 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,dp数组从 [1,1]位置遍历,外层遍历word1, 内层遍历word2。
class Solution:def minDistance(self, word1: str, word2: str) -> int:# 异常判断if len(word2) == 0:return len(word1)if len(word1) == 0:return len(word2)# 初始化dp = [[0 for _ in range(len(word2) + 1)] for _ in range(len(word1) + 1)]for i in range(len(word1) + 1):dp[i][0] = ifor j in range(len(word2) + 1):dp[0][j] = jfor i in range(1, len(word1) + 1):for j in range(1, len(word2) + 1):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]) + 1return dp[-1][-1]
123. Leetcode 72. 编辑距离 (动态规划- 字符串系列)相关推荐
- [leetcode] 72. 编辑距离(二维动态规划)
72. 编辑距离 再次验证leetcode的评判机有问题啊!同样的代码,第一次提交超时,第二次提交就通过了! 此题用动态规划解决. 这题一开始还真难到我了,琢磨半天没有思路.于是乎去了网上喵了下题解看 ...
- LeetCode 72. 编辑距离(DP)
1. 题目 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 ...
- Java实现 LeetCode 72 编辑距离
72. 编辑距离 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 ...
- LeetCode 72.编辑距离(动态规划)
编辑距离 针对两个字符串(如英文字母)的差异程度的量化测量,量测方式是看至少需要多少次的处理才能将一个字符串变成另一个字符串. 编辑距离应用 一.可应用于NLP,如拼写检查可以根据一个拼错的字和其他正 ...
- 125. Leetcode 91. 解码方法 (动态规划- 字符串系列)
步骤一.确定状态: 确定dp数组及下标含义 dp[i]表示的是到i这个位置的字符串的解码方法 步骤二.推断状态方程: dp[i]的推导会取决于当前s[i]的字符情况以及前一位字符,具体如下: 如果当前 ...
- 126. Leetcode 剑指 Offer 46. 把数字翻译成字符串 (动态规划- 字符串系列)
class Solution:def translateNum(self, num: int) -> int:nums = str(num)n = len(nums)#异常情况if n < ...
- 124. Leetcode 583. 两个字符串的删除操作 (动态规划- 字符串系列)
步骤一.确定状态: 确定dp数组及下标含义 dp[i][j]表示的是word1[:i]和word2[:j]相同所需要的最小步数. 步骤二.推断状态方程: 确定动态转移方程,依然是分相等和不相等. wo ...
- ⭐算法入门⭐《动态规划 - 串匹配》困难02 —— LeetCode 72. 编辑距离
- 2022-3-22 Leetcode 72.编辑距离
class Solution {public:int minDistance(string word1, string word2) {int n = word1.length();int m = w ...
最新文章
- Google Test(GTest)使用方法和源码解析——模板类测试技术分析和应用
- 语义SLAM近5年主要技术进展及研究趋势
- 莫慌!网络推广平台更新网站SEO优化中,被K降权怎么办?
- android项目编译时提示找不到*.apk(could not find the *.apk)
- 2019.5.8_此书真乃宝书也_从定位参数到仅限关键字参数
- 数字图像处理--图像增强之对比度拉伸
- 小郡肝火锅点餐系统——项目文档
- nginx之反向代理、负载均衡
- 24.Linux-Nand Flash驱动(分析MTD层并制作NAND驱动)
- Unity3D游戏开发之开发游戏带来的问题
- ssh整合步骤之一(搭建环境)
- es6 Map,Set 和 WeakMap,WeakSet
- 【优化预测】基于matlab蝙蝠算法优化BP神经网络预测【含Matlab源码 1379期】
- android 相对布局(RelativeLayout)
- linux上ftp上传文件失败
- 真实评测酷睿 i5 12400f和i3 10100f选哪个
- C++中endl的本质是什么
- 小南说 Promise(是什么,有什么,怎么用,为什么)
- 视频聊天能正常工作吗?
- 模板的完全特例化和部分特例化
热门文章
- GitHub 仓库按大小排序
- 简单的java多线程源码分享(二)
- hdu 1087 Super Jumping! Jumping! Jumping!
- c语言输出精确圆周率,如何设计C语言程序输出圆周率小数点后的1000位?请大侠出手啊。...
- python缩进的用途和使用方法_如何用Python减少循环层次和缩进的技巧
- java断点续传上传_java断点续传上传文件,突然关闭然后再上传文件为什么不是从之前上传的进度上传...
- java选填,java选择填空 - osc_ug2wy0bi的个人空间 - OSCHINA - 中文开源技术交流社区
- python生成器杨辉三角_python 生成器生成杨辉三角的方法(必看)
- MySQL断开SpringBoot_数据库连接中断-spring-springBoot
- Linux查看ssd块大小性能,如何衡量Linux中对SSD执行的总写入量?