演算法 最小編輯距離 動態規劃

給定兩個單詞 word1 和 word2，計算出將 word1 轉換成 word2 所使用的最少運算元 。

你可以對乙個單詞進行如下三種操作：

插入乙個字元

刪除乙個字元

替換乙個字元

示例 1:

輸入: word1 = 「horse」, word2 = 「ros」

輸出: 3

解釋:horse -> rorse (將 『h』 替換為 『r』)

rorse -> rose (刪除 『r』)

rose -> ros (刪除 『e』)

示例 2:

輸入: word1 = 「intention」, word2 = 「execution」

輸出: 5

解釋:intention -> inention (刪除 『t』)

inention -> enention (將 『i』 替換為 『e』)

enention -> exention (將 『n』 替換為 『x』)

exention -> exection (將 『n』 替換為 『c』)

exection -> execution (插入 『u』)

leetcode

另外：如果刪除、插入和替換的代價不同，做題思路不變。

class

solution
:def
mindistance
(self, word1:
str, word2:
str)
->
int:
dp =[[
0]*(
len(word2)+1
)for _ in
range
(len
(word1)+1
)]for i in
range(1
,len
(word2)+1
):dp[0]
[i]= i
for i in
range(1
,len
(word1)+1
):dp[i][0
]= i
for 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]= dp[i-1]
[j-1]+
1                dp[i]
[j]=
min(dp[i]
[j], dp[i-1]
[j]+
1, dp[i]
[j-1]+
1)return dp[-1
][-1
]

動態規劃之最小編輯距離

1 dp 0 0 表示str1空的子串編輯成str2空的子串的代價為0 2 矩陣dp第一列即dp 0 m 1 0 dp i 0 表示str1 0 i 1 編輯成空串的最小代價，即把str1 0 i 1 中所有字元刪掉的代價，所以dp i 0 dc i 3 矩陣第一行即dp 0 0 n 1 dp 0 ...

演算法 編輯距離 動態規劃

1.解題思路 這道題是典型的動態規劃的題，也是比較簡單的動態規劃的題，在這裡記錄一下，一是要求自己不要鬆懈，二是彌補自己在動態規劃上的不足。我們在這道題上，處理每乙個字元無非就是3種操作，增加字元 刪除字元 替換字元。首先，我們定義乙個dp word1.length 1 word2.length 1...

動態規劃 編輯距離

1.實踐題目 編輯距離 2.問題描述 設a和b是2個字串。要用最少的字元操作將字串a轉換為字串b。這裡所說的字元操作包括 1 刪除乙個字元 2 插入乙個字元 3 將乙個字元改為另乙個字元。將字串a變換為字串b所用的最少字元運算元稱為字串a到 b的編輯距離，記為d a,b 對於給定的字串a和字串b，計...