Day 56 | 583. 两个字符串的删除操作 & 72. 编辑距离 & 编辑距离总结篇

583. 两个字符串的删除操作 

Day 56 | 583. 两个字符串的删除操作 & 72. 编辑距离 & 编辑距离总结篇_第1张图片

解法一:直接求删除的步数

 动态规划解题思路:    

①确定dp数组以及下标含义

        dp[i][j]:以下标i-1结尾的字符串s与下标j-1结尾的字符串t想要达到相等,所需要删除元素的最少次数。

②确定递推公式

        每次遍历比较word1[i-1]与word2[j-1]的值。

        若相等,则不删除元素:                               

                                                       dp[i][j]=dp[i-1][j-1]

        若不相同,选择删除一个word1中元素或一个word2中的元素或同时删除word1和word2中的一个元素 三种情况下的最小值。

                          dp[i][j]=Math.min(dp[i-1][j-1]+2,Math.min(dp[i-1][j]+1,dp[i][j-1]+1));

③dp数组如何初始化

        dp[i][0]代表word1和空字符串相等需要删除的最少步数,即把word1也变成空字符串,即为i

        同理dp[0][j]=j;

④确定遍历顺序

          从前向后、从上至下遍历。

⑤举例推导dp数组

Day 56 | 583. 两个字符串的删除操作 & 72. 编辑距离 & 编辑距离总结篇_第2张图片

    public int minDistance(String word1, String word2) {
        int[][] dp=new int[word1.length()+1][word2.length()+1];
        for(int i=0;i<=word1.length();i++){
            dp[i][0]=i;
        }
        for(int j=0;j<=word2.length();j++){
            dp[0][j]=j;
        }
        for(int i=1;i<=word1.length();i++){
            for (int j=1;j<=word2.length();j++){
                if(word1.charAt(i-1)==word2.charAt(j-1)){
                    dp[i][j]=dp[i-1][j-1];
                }else{
                    dp[i][j]=Math.min(dp[i-1][j-1]+2,Math.min(dp[i-1][j]+1,dp[i][j-1]+1));
                }
            }
        }
        return dp[word1.length()][word2.length()];
    }

解法二:求出最长公共子序列长度,用字符串之和减去。

让     两个字符串的长度和-最长公共子序列的值*2也可求出本题答案。

 动态规划解题思路:    

①确定dp数组以及下标含义

        dp[i][j]:长度为[0,i-1]的字符串s与长度为[0,j-1]的字符串t的最长公共子序列

②确定递推公式

        每次遍历比较word1[i-1]与word2[j-1]的值。

        若相等,则公共子序列长度+1:                               

                                                       dp[i][j]=dp[i-1][j-1]+1

        若不相同,则为在word1/word2中去掉该元素的最长公共子序列值的较大值。

                                           dp[i][j]=Math.max(dp[i-1][j],dp[i][j-1])

③dp数组如何初始化

        dp[i][0],dp[0][j]都为word1/word2与空字符串的最长公共子序列,即为0.

④确定遍历顺序

          从前向后、从上至下遍历。

⑤举例推导dp数组

Day 56 | 583. 两个字符串的删除操作 & 72. 编辑距离 & 编辑距离总结篇_第3张图片

    public int minDistance(String word1, String word2) {
        int[][] dp=new int[word1.length()+1][word2.length()+1];
        for(int i=1;i<=word1.length();i++){
            for (int j=1;j<=word2.length();j++){
                if(word1.charAt(i-1)==word2.charAt(j-1)){
                    dp[i][j]=dp[i-1][j-1]+1;
                }else{
                    dp[i][j]=Math.max(dp[i-1][j],dp[i][j-1]);
                }
            }
        }
        return word1.length()+word2.length()-dp[word1.length()][word2.length()]*2;
    }

  72. 编辑距离

Day 56 | 583. 两个字符串的删除操作 & 72. 编辑距离 & 编辑距离总结篇_第4张图片

这道题不太理解。。

 动态规划解题思路:    

①确定dp数组以及下标含义

        dp[i][j]:下标为[0,i-1]的字符串1转换为下标为[0,j-1]的字符串2所需要的最少操作数

②确定递推公式

Day 56 | 583. 两个字符串的删除操作 & 72. 编辑距离 & 编辑距离总结篇_第5张图片       每次遍历比较word1[i-1]与word2[j-1]的值。

(1) 若相等,则操作数不变:                               

                                                       dp[i][j]=dp[i-1][j-1]

(2)若不相同,则可进行三个操作:

①删除操作

        word1删除下标i-1,即word1下标i-2与word2下标j-1的元素全部相等。即为dp[i-1][j]加一个操作

                                                         dp[i][j]=dp[i-1][j]+1

        word2删除下标j-1,即word2下标j-2与word1下标i-1的元素全部相等。即为dp[i][j-1]加一个操作

                                                        dp[i][j]=dp[i][j-1]+1

 ②插入元素

        与删除相同。

        在word1插入说明word1下标i-2与word2下标j-1相同

        在word2插入说明word1下标i-1与word2下标j-2相同

③替换元素

        说明word1前i-2下标与word2前j-2下标相同,只需要把word1中的i-1下标替换成word2中的j-1下标

                                                         dp[i][j]=dp[i-1][j-1]+1;

最后,取三个的最小值即可。

                                dp[i][j]=Math.min(dp[i-1][j]+1,dp[i][j-1]+1,dp[i-1][j-1]+1);

③dp数组如何初始化

        dp[i][0],dp[0][j]都为word1/word2转换空字符串要进行的操作,即为字符串长度i/j个

        dp[i][0]=i,dp[0][j]=j;

④确定遍历顺序

          从前向后、从上至下遍历。

⑤举例推导dp数组

Day 56 | 583. 两个字符串的删除操作 & 72. 编辑距离 & 编辑距离总结篇_第6张图片

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

你可能感兴趣的:(算法,动态规划)