题目

leetCode72:编辑距离

编辑距离算法是一个非常实用的算法，它的作用是求出把一个字符串s1变为另一个字符串s2所需要的最少的操作数。
此过程中，只能对字符串进行插入、删除或替换（其实还有一种隐形操作，就是略过）

比如把rad变为apple，就需要经过5步

解题思路

（1）基本过程

对于字符串类的题目，一般都会使用到两个指针，这里面也不例外。上面的动图中，展现的正是两个指针i和j分别从后向前扫描两个字符串。
在这个过程中如果j走完了，i还没有走完的话，那么就需要把s1删除，缩短为s2单

如果i走完了，但j没有走完，那么就想要把s2中的插入到s1中

（2）动态规划-递归

使用动态规划解题，一定要考虑题目的状态和选择是什么？

状态：这里显然是i和j指针的位置
选择：所选的操作，加上跳过，共有四种操作（skip，insert，delete，replace）

if s1[i]==s2[j]skip;
elseinsert or delete or relace;

还有“base case”，也就是最简单的情况是什么呢？这里其实就是上面所叙述的那两种情况

首先采用递归解法说明。定义一个dp递归函数，函数形参分别就是i和j，该函数的返回值就是s1[0....i]和s2[0...j]的最小编辑距离，最终一步一步递归，可以得到问题的最终答案。

现在看该函数的base case，也就是如果j走完了，就把i删除了；如果i走完了，就把j剩下的全部插入

int dp(i,j)
{if i==-1return j+1;if j==-1return i+1;
}

如果遇到的字符相等，那么就什么也不做，直接跳过。也即是说s1[0....i]和s2[0....j]的最小编辑距离实际就是s1[0...i-1]和s2[0....j-1]的最小编辑距离。

int dp(i,j)
{if i==-1return j+1;if j==-1return i+1;if(s1[i]==s[j])return dp[i-1][j-1];else}

如果遇到的字符不相等，那么我们就需要进行选择三种操作了。需要注意的是三种操作是肯定存在重叠问题，这也是递归不可避免的问题，因为一个字符变成另一个字符除了可以替换外，我也可以直接插入一个。

第一种操作：插入；递归函数为dp(i,j-1)+1。如果选择了这种操作，那么就会直接在s1[i]中插入一个和s2[j]一样的字符，此时s2[j]会被匹配到。注意操作数+1
第二种操作：删除；递归函数为dp(i-1,j)+1。如果选择了这种操作，那么就会直接把s[i]这个字符删除掉。
第三种操作：替换；递归函数为dp(i-1,j-1)+1。如果选择了这种操作就会直接把s1[i]替换为s2[j]。

于是伪代码如下

int dp(i,j)
{if i==-1return j+1;if j==-1return i+1;if(s1[i]==s[j])return dp[i-1][j-1];elsereturn min(dp(i,j-1)+1;//插入dp(i-1,j)+1;//删除dp(i-1,j-1)+1;//替换)
}

还是那句话，这种解法一定存在大量重叠子问题。比如能过替换得到的结果也可以通过删除后插入完成，这就是一条重复路径，如果发现了一定重复问题，那么一定会有千千万万个重复问题，就像斐波那契数列一样。而重叠子问题是可以通过备忘录解决的

memo=dict();
int dp(i,j)
{if((i,j) in memo)return memo[(i,j)];if i==-1return j+1;if j==-1return i+1;if(s1[i]==s[j])return dp[i-1][j-1];elsereturn min(dp(i,j-1)+1;//插入dp(i-1,j)+1;//删除dp(i-1,j-1)+1;//替换)
}

（3）动态规划-dp table

递归便于说明问题的解决思路，实际写代码时我们一般采用的还是自底向上的解法，也就是动态规划数组。有了上面的基础，我们很容易能够理解，和公共子串，子序列那些题一样**，这道题的数组也一定是一个二维数组**

其中dp[…][0]和dp[0][…]对应的就是base case（也即是把rad变成空串，那么需要3步），dp[i][j]存储的是s1[0…i-1]和s2[0…j-1]的最小编辑距离。（dp函数的base case是i和j为-1，但是数组索引至少为0，所以要偏移1位）

代码

class Solution {public:int minDistance(string word1, string word2) {int len1=word1.size();int len2=word2.size();vector<vector<int>> dp(len1+1,vector<int>(len2+1,0));//dp数组for(int i=1;i<=len1;i++)//base casedp[i][0]=i;for(int j=1;j<=len2;j++)dp[0][j]=j;for(int i=1;i<=len1;i++){for(int j=1;j<=len2;j++){if(word1[i-1]==word2[j-1])dp[i][j]=dp[i-1][j-1];elsedp[i][j]=min//min函数只有两个形参，所以这样写(dp[i-1][j]+1,//插入min(dp[i][j-1]+1,//删除dp[i-1][j-1]+1)//替换);}}return dp[len1][len2];}
};

动态规划经典题之编辑距离相关推荐

动态规划经典题：给出两个字符串s1和s2，返回其中最大的公共子串
求公共子字符串问题(连续的) 这个题目是当时远景能源公司现场笔试的一道题目,当时根本就不知道动态规划是什么鬼,直接上来就暴力求解,面试官很谄媚的问我,你这能求出来吗?当时很年轻的说,能啊!现在想,当时 ...
动态规划经典题之年终奖
文章目录题目解题思路代码题目牛客解题思路这道题属于贪心算法,但本质仍然是动态规划.对于这样一个棋盘,到达(i,j)这一点要么是上一行(i-1,j)向下移动一行得到,要么是前一列(i,j- ...
动态规划经典题之石子合并
题目描述在一个园形操场的四周摆放N堆石子,现要将石子有次序地合并成一堆.规定每次只能选相邻的2堆合并成新的一堆,并将新的一堆的石子数,记为该次合并的得分试设计出1个算法,计算出将N堆石子合并成1堆 ...
HDU OJ 动态规划46题解析
Robberies http://acm.hdu.edu.cn/showproblem.php?pid=2955 背包;第一次做的时候把概率当做背包(放大100000倍化为整数):在此范围内最多能抢 ...
数据结构与算法经典题库练习
文章目录一.字符串.时间复杂度与逻辑思维训练 1.Z字形变换 2.字符串转换整数(atoi) 3.字符流中第一个不重复的字符 4.小易的英语软件二.指针.数组.链表组合练习 5.盛最多水的容器 6 ...
动态规划经典题目汇总
http://www.cppblog.com/doer-xee/archive/2009/12/05/102629.html 转载之前先Orz一下: [s:19] Robberies http://a ...
动态规划经典题目——最大子矩阵和
一.题目题目描述:现给出一个N*N矩阵,要求求出拥有最大和的子矩阵的和.例子如下图所示: 它的最大子矩阵的和为15: 二.解题思路此题的解法与动态规划经典题目--最大连续子序列之和题目思想一样,只 ...
ヾ(o◕∀◕)ﾉヾ各种动态规划经典例题（新手向、多类型）
ヾ(o◕∀◕)ﾉヾ各种动态规划经典例题(新手向.多类型) 一.前言ヾ(･ω･`｡)我把比较常见的类型的动态规划找了一些经典的例题,适合作为新手的入门例题,用于帮助我们对各种不同的动态规划有所了解,很 ...
0-1背包 java_0-1背包问题，java的动态规划如题，代码如下public
该楼层疑似违规已被系统折叠隐藏此楼查看此楼 0-1背包问题,java的动态规划如题,代码如下 public class dongtaiguihua01 { public static void m ...

动态规划经典题之编辑距离

文章目录

题目

解题思路

（1）基本过程

（2）动态规划-递归

（3）动态规划-dp table

代码

动态规划经典题之编辑距离相关推荐

最新文章

热门文章