最短编译距离（Minimum Edit Distance）算法及java实现

最近学习一些查询纠错的问题，用到此算法，因此，在网上找了许多资料（其实详尽资料不多），并加入自己的一些理解，具体描述如下：

　　最短编译距离给定任意两个字符串，比如：str1=“abcd”和str2=“gbcdz”,计算这两个字符串间的相似度。计算两字符串的相似度可等价于计算将str1变换到str2所需要的最少步骤。

　　问题分析：

　　为计算将str1变换到str2所需最小操作步骤，必须先对变换操作进行定义：

　　1.修改一个字符(如把“a”替换为“g”);

　　2.增加一个字符(如把“abcd”变为“abcdz”);

　　3.删除一个字符(如把“travelling”变为“traveling”);

　　字符串变换过程中执行了上述三个操作之间的任一操作，则两字符串间距离就加1。例如将上文中的str1变换到str2，即“abcd”到“gbcdz”，通过“abcd”->(操作1)->“gbcd”->(操作2)->“gbcdz”,需进行一次修改和一次添加字符操作，故两字符串距离为2，那么字符串相似度则为距离+1的倒数，即1/3=0.333。这是由俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。因此也叫Levenshtein Distance。

　　那么如果给定两个任意字符串，如何计算它们距离呢?

　　问题解决：

　　解决此问题最好的方法是采用动态规划的方法。如下：

　　设str1=“abcd”，str2=“gbcdz”，定义一个二维数组d[][]，d[i][j]表示str1中取前i个字符和str2中取前j个字符的最短距离，例如d[3][2]表示“abc”到“gb”的最短距离。

　　d[i][j]的计算规则有三条：

　　来自d[i - i][j - 1]，即 “str1的前i-1个字符组成的子串” 到 “str2的前j-1个字符组成的子串” 的最小距离，此时如果str1[i] = str2[j]，则最短距离不变，否则最短距离加1(即把str1[i]变为str2[j] )，所以d[i][j] = d[i - 1][j - 1] + (str1[i] == str2[j] ? 0 : 1)

　　来自d[i - 1][j]，即 “A的前i-1个字符组成的子串” 到 “B的前j个字符组成的子串” 的编辑距离。此时删除在A的第i个位置上的字符即可，所以d[i][j] = d[i - 1][j] + 1

　　来自d[i][j - 1], 即 “A的前i个字符组成的子串” 到 “B的前j-1个字符组成的子串” 的编辑距离。此时在A的子串后面添加一个字符B[j]即可，所以d[i][j] = d[i][j - 1] + 1

　　于是状态转移方程：d[i][j] = min (d[i - 1][j - 1] + (str1[i] == str2[j] ? 0 : 1) , d[i - 1][j] + 1 , d[i][j - 1] + 1)

　　例如str1=“abcd”，str2=“gbcdz”的d[][]就为(注意i，j的取值范围)：将str1转化为str2所用编译距离为3，详细如下所示：

0    1    2    3    4    5    
1    2    3    4    5    6    
2    3    2    3    4    5    
3    4    3    2    3    4    
4    5    4    3    2    3

java的代码实现

public class MinimumEditDistance {
    public static void main(String[] args) {
    MinimumEditDistance med = new MinimumEditDistance();
    med.min_edit_dic("abcd", "gbcdz");
    }

    public int min_edit_dic(String target, String source) {
    int n = target.length();
    int m = source.length();
    int[][] distance = new int[n + 1][m + 1];
    distance[0][0] = 0;
    for (int i = 1; i <= n; i++) {
        distance[i][0] = distance[i - 1][0]
            + ins_cost(target.charAt(i - 1));
    }
    for (int j = 1; j <= m; j++) {
        distance[0][j] = distance[0][j - 1]
            + ins_cost(source.charAt(j - 1));
    }
    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= m; j++) {
        int ins = distance[i - 1][j] + ins_cost(target.charAt(i - 1));
        int sub = distance[i - 1][j - 1]
            + subs_cost(target.charAt(i - 1), source.charAt(j - 1));
        int del = distance[i][j - 1] + del_cost(source.charAt(j - 1));
        distance[i][j] = min(ins, min(sub, del));
        }
    }

    for (int i = 0; i <= n; i++) {
        for (int j = 0; j <= m; j++) {
        System.out.print(distance[i][j] + "\t");
        }
        System.out.println();
    }

    return 1;
    }

    private int min(int d1, int d2) {
    return d1 < d2 ? d1 : d2;
    }

    private int ins_cost(char c) {
    return 1;
    }

    private int del_cost(char c) {
    return 1;
    }

    private int subs_cost(char c1, char c2) {
    return c1 != c2 ? 2 : 0;
    }
}

输出结果如上所示