LeetCode刷题之路--72编辑距离

最新推荐文章于 2025-09-11 18:40:30 发布

原创最新推荐文章于 2025-09-11 18:40:30 发布 · 219 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

漫漫刷题之路

本文深入解析编辑距离问题，一种衡量两个字符串相似度的经典算法。通过动态规划方法，详细阐述如何计算将一个单词转换为另一个单词所需的最少操作数，包括插入、删除和替换字符。文章提供了一个实现示例，并解释了代码中关键部分的逻辑。

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

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/edit-distance

本题是经典的动态规划解法

定义dp[i][j]:表示str1的第i个字符到str2的第j个字符需要经过多少步骤，怎么思考了，既然是递归，就需要考虑i-1到j-1的变化步骤，也就是前面更小范围的最优答案，故分为下面的几种情况：

（1）当str1[i]=str2[j]时，不需要任何操作dp[i][j]==dp[i-1][j-1],

（2）当str1[i]不等于str2[j]，则需要考虑前面小范围的最优解，dp[i][j]=min(dp[i-1][j],dp[i][j-1],dp[i-1][j-1])+1

 public int minDistance2(String word1, String word2) {
        int length1=word1.length();
        int length2=word2.length();

        if(length1*length2==0){
            return length1+length2;
        }
        int[][] dp=new int[length1+1][length2+1];
        for (int i = 0; i < length1+1; i++) {
            dp[i][0]=i;
        }
        for (int j = 0; j < length2; j++) {
            dp[0][j]=j;
        }
        for (int i = 0; i < length1+1; i++) {
            for (int j = 0; j < length2+1; j++) {
                if(word1.charAt(i-1)==word2.charAt(j-1))
                dp[i][j] =dp[i-1][j-1];
                else
                dp[i][j] = Math.min(Math.min(dp[i-1][j],dp[i][j-1]),dp[i-1][j-1])+1;

            }
        }

        return dp[length1][length2];
    }

本代码有个需要注意的地方是dp[0][0]表示str1的第0个字符到str2的第0个字符需要变化的最小步骤，dp[1][1]表示str1的第1个字符到str2的第1个字符需要变化的最小步骤,如果str1.charAt（0）==str2.charAt（0），dp[1][1]=dp[0][0],所以才有代码中判断word1.charAt(i-1)==word2.charAt(i-1)时，dp[i][j]=dp[i-1][j-1]（希望读者可以明白我想表达的）