【算法与数据结构】583、72、LeetCode两个字符串的删除操作+编辑距离

晚安662024-02-06 14:40

文章目录

所有的LeetCode题解索引，可以看这篇文章------【算法和数据结构】LeetCode题解。

一、583、两个字符串的删除操作

思路分析：本题的思路和115、不同的子序列差不多，只是变成了两个字符串都能删除字符。

  1. 第一步，动态数组的含义。 d p [ i ] [ j ] dp[i][j] dp[i][j]代表使得 w o r d 1 [ 0 , i − 1 ] word1[0, i-1] word1[0,i−1]和 w r o d 2 [ 0 , j − 1 ] wrod2[0, j-1] wrod2[0,j−1]相等所需删除的最小步数。
  2. 第二步，递推公式。 d p [ i ] [ j ] dp[i][j] dp[i][j]可以由两种情况推导出来：
  • w o r d 1 [ i − 1 ] word1[i - 1] word1[i−1]与 w o r d 2 [ j − 1 ] word2[j - 1] word2[j−1]相同：那么最小步数和使得 w o r d 1 [ 0 , i − 2 ] word1[0, i-2] word1[0,i−2]和 w r o d 2 [ 0 , j − 2 ] wrod2[0, j-2] wrod2[0,j−2]相等所需删除的最小步数相同。 d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] dp[i][j] = dp[i-1][j-1] dp[i][j]=dp[i−1][j−1]。
  • w o r d 1 [ i − 1 ] word1[i - 1] word1[i−1]与 w o r d 2 [ j − 1 ] word2[j - 1] word2[j−1]不相同：这种情况的 d p [ i ] [ j ] dp[i][j] dp[i][j]可以由三部分构成：若 w o r d 1 [ 0 , i − 2 ] word1[0, i - 2] word1[0,i−2]和 w o r d 2 [ 0 , j − 1 ] word2[0, j - 1] word2[0,j−1]做了 d p [ i − 1 ] [ j ] dp[i - 1][j] dp[i−1][j]次删除操作以后会相等，那么再删除 w o r d 1 [ i − 1 ] word1[i - 1] word1[i−1]以后又可以相等，即 d p [ i ] [ j ] = d p [ i − 1 ] [ j ] + 1 dp[i][j] = dp[i - 1][j] + 1 dp[i][j]=dp[i−1][j]+1；若 w o r d 1 [ 0 , i − 1 ] word1[0, i - 1] word1[0,i−1]和 w o r d 2 [ 0 , j − 2 ] word2[0, j - 2] word2[0,j−2]做了 d p [ i ] [ j − 1 ] dp[i][j - 1] dp[i][j−1]次删除操作以后会相等，那么再删除 w o r d 2 [ j − 1 ] word2[j - 1] word2[j−1]以后又可以相等，即 d p [ i ] [ j ] = d p [ i ] [ j − 1 ] + 1 dp[i][j] = dp[i][j - 1] + 1 dp[i][j]=dp[i][j−1]+1。因为要求最小步数，那么我们对两项取最小： d p [ i ] [ j ] = m i n ( d p [ i − 1 ] [ j ] + 1 , d p [ i ] [ j − 1 ] + 1 ) dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1) dp[i][j]=min(dp[i−1][j]+1,dp[i][j−1]+1)。
cpp 复制代码 
	if (word1[i - 1] == word2[j - 1]) dp[i][j] = dp[i - 1][j - 1];
	else dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + 1;
  1. 第三步，元素初始化。 d p [ i ] [ 0 ] dp[i][0] dp[i][0]（第一列）表示字符串 w o r d 1 [ 0 , i − 1 ] word1[0, i-1] word1[0,i−1]变成空字符串需要删除的最小字符个数。 d p [ 0 ] [ j ] dp[0][j] dp[0][j]（第一行）表示 w o r d 2 [ 0 , j − 1 ] word2[0, j-1] word2[0,j−1]变成空字符串需要删除的最小字符个数。其中，空字符串word1变成空字符串word2的个数为0。那么 d p [ 0 ] [ 0 ] = 0 , d p [ i ] [ 0 ] = i , d p [ 0 ] [ j ] = j dp[0][0]=0, dp[i][0] = i, dp[0][j] = j dp[0][0]=0,dp[i][0]=i,dp[0][j]=j。
cpp 复制代码 
		for (int i = 1; i <= word1.size(); i++) dp[i][0] = i;		// 第一列初始化为i
		for (int j = 1; j <= word2.size(); j++) dp[0][j] = j;		// 第一行初始化为i
  1. 第四步，递归顺序。一共有两层循环，从前往后进行遍历。
  2. 第五步，打印结果。

程序如下：

cpp 复制代码 
// 583、两个字符串的删除操作-动态规划
class Solution {
public:
	int minDistance(string word1, string word2) {
		vector<vector<uint64_t>> dp(word1.size() + 1, vector<uint64_t>(word2.size() + 1, 0));	// dp[0][0]为0
		for (int i = 1; i <= word1.size(); i++) dp[i][0] = i;		// 第一列初始化为i
		for (int j = 1; j <= word2.size(); j++) dp[0][j] = j;		// 第一行初始化为i
		for (int i = 1; i <= word1.size(); i++) {
			for (int j = 1; j <= word2.size(); j++) {
				if (word1[i - 1] == word2[j - 1]) dp[i][j] = dp[i - 1][j - 1];
				else dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + 1;
			}
		}
		return dp[word1.size()][word2.size()];
	}
};

复杂度分析：

  • 时间复杂度： O ( n ∗ m ) O(n*m) O(n∗m)， n n n和 m m m分别是两个字符串的长度。
  • 空间复杂度： O ( n ∗ m ) O(n*m) O(n∗m)。

二、72、编辑距离

思路分析：本题在583题的基础之上加入了插入和替换操作。我们同样用动态规划的方法分析。

  1. 第一步，动态数组的含义。 d p [ i ] [ j ] dp[i][j] dp[i][j]代表使得 w o r d 1 [ 0 , i − 1 ] word1[0, i-1] word1[0,i−1]和 w r o d 2 [ 0 , j − 1 ] wrod2[0, j-1] wrod2[0,j−1]相等所需的最小操作数。
  2. 第二步，递推公式。 d p [ i ] [ j ] dp[i][j] dp[i][j]可以由两种情况推导出来：
  • w o r d 1 [ i − 1 ] word1[i - 1] word1[i−1]与 w o r d 2 [ j − 1 ] word2[j - 1] word2[j−1]相同：那么最小操作数和使得 w o r d 1 [ 0 , i − 2 ] word1[0, i-2] word1[0,i−2]和 w r o d 2 [ 0 , j − 2 ] wrod2[0, j-2] wrod2[0,j−2]相等所需的最小操作数相同。 d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] dp[i][j] = dp[i-1][j-1] dp[i][j]=dp[i−1][j−1]。
  • w o r d 1 [ i − 1 ] word1[i - 1] word1[i−1]与 w o r d 2 [ j − 1 ] word2[j - 1] word2[j−1]不相同：这种情况的 d p [ i ] [ j ] dp[i][j] dp[i][j]可以由三部分构成：增加、删除和替换。删除部分和583题一致： d p [ i ] [ j ] = m i n ( d p [ i − 1 ] [ j ] + 1 , d p [ i ] [ j − 1 ] + 1 ) dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1) dp[i][j]=min(dp[i−1][j]+1,dp[i][j−1]+1)。而增加字符和删除的操作数没有区别。若 w o r d 1 [ 0 , i − 2 ] word1[0, i - 2] word1[0,i−2]和 w o r d 2 [ 0 , j − 2 ] word2[0, j - 2] word2[0,j−2]做了 d p [ i − 1 ] [ j − 1 ] dp[i - 1][j - 1] dp[i−1][j−1]次删除操作以后会相等，那么再替换 w o r d 1 [ i − 1 ] word1[i - 1] word1[i−1]或者 w o r d 2 [ j − 1 ] word2[j - 1] word2[j−1]之间任意一个元素以后又可以相等，即 d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] + 1 dp[i][j] = dp[i - 1][j - 1] + 1 dp[i][j]=dp[i−1][j−1]+1。因为要求最小操作数，那么我们对两项取最小： d p [ i ] [ j ] = m i n ( d p [ i − 1 ] [ j ] + 1 , d p [ i ] [ j − 1 ] + 1 , d p [ i − 1 ] [ j − 1 ] + 1 ) = m i n ( d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] , d p [ i − 1 ] [ j − 1 ] ) + 1 dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1, dp[i - 1][j - 1] + 1) = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1 dp[i][j]=min(dp[i−1][j]+1,dp[i][j−1]+1,dp[i−1][j−1]+1)=min(dp[i−1][j],dp[i][j−1],dp[i−1][j−1])+1。
cpp 复制代码 
	if (word1[i - 1] == word2[j - 1]) dp[i][j] = dp[i - 1][j - 1];
	//else dp[i][j] = min(min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;	// min()函数只接受两个参数，或者数组
	else dp[i][j] = min({ dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1] }) + 1;
  1. 第三步，元素初始化。 d p [ i ] [ 0 ] dp[i][0] dp[i][0]（第一列）表示字符串 w o r d 1 [ 0 , i − 1 ] word1[0, i-1] word1[0,i−1]变成空字符串需要的最少操作数。 d p [ 0 ] [ j ] dp[0][j] dp[0][j]（第一行）表示 w o r d 2 [ 0 , j − 1 ] word2[0, j-1] word2[0,j−1]变成空字符串需要的最少操作数。其中，空字符串word1变成空字符串word2的个数为0。那么 d p [ 0 ] [ 0 ] = 0 , d p [ i ] [ 0 ] = i , d p [ 0 ] [ j ] = j dp[0][0]=0, dp[i][0] = i, dp[0][j] = j dp[0][0]=0,dp[i][0]=i,dp[0][j]=j。
cpp 复制代码 
	for (int i = 1; i <= word1.size(); i++) dp[i][0] = i;		// 第一列初始化为i
	for (int j = 1; j <= word2.size(); j++) dp[0][j] = j;		// 第一行初始化为i
  1. 第四步，递归顺序。一共有两层循环，从前往后进行遍历。
  2. 第五步，打印结果。

程序如下：

cpp 复制代码 
// 72、编辑距离-动态规划
class Solution2 {
public:
	int minDistance(string word1, string word2) {
		vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));	// dp[0][0]为0
		for (int i = 1; i <= word1.size(); i++) dp[i][0] = i;		// 第一列初始化为i
		for (int j = 1; j <= word2.size(); j++) dp[0][j] = j;		// 第一行初始化为i
		for (int i = 1; i <= word1.size(); i++) {
			for (int j = 1; j <= word2.size(); j++) {
				if (word1[i - 1] == word2[j - 1]) dp[i][j] = dp[i - 1][j - 1];
				//else dp[i][j] = min(min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;	// min()函数只接受两个参数，或者数组
				else dp[i][j] = min({ dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1] }) + 1;
			}
		}
		return dp[word1.size()][word2.size()];
	}
};

复杂度分析：

  • 时间复杂度： O ( n ∗ m ) O(n*m) O(n∗m)， n n n和 m m m分别是两个字符串的长度。
  • 空间复杂度： O ( n ∗ m ) O(n*m) O(n∗m)。

三、完整代码

cpp 复制代码 
# include <iostream>
# include <vector>
# include <string>
using namespace std;

// 583、两个字符串的删除操作-动态规划
class Solution {
public:
	int minDistance(string word1, string word2) {
		vector<vector<uint64_t>> dp(word1.size() + 1, vector<uint64_t>(word2.size() + 1, 0));	// dp[0][0]为0
		for (int i = 1; i <= word1.size(); i++) dp[i][0] = i;		// 第一列初始化为i
		for (int j = 1; j <= word2.size(); j++) dp[0][j] = j;		// 第一行初始化为i
		for (int i = 1; i <= word1.size(); i++) {
			for (int j = 1; j <= word2.size(); j++) {
				if (word1[i - 1] == word2[j - 1]) dp[i][j] = dp[i - 1][j - 1];
				else dp[i][j] = min(dp[i - 1][j], dp[i][j - 1]) + 1;
			}
		}
		return dp[word1.size()][word2.size()];
	}
};

// 72、编辑距离-动态规划
class Solution2 {
public:
	int minDistance(string word1, string word2) {
		vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));	// dp[0][0]为0
		for (int i = 1; i <= word1.size(); i++) dp[i][0] = i;		// 第一列初始化为i
		for (int j = 1; j <= word2.size(); j++) dp[0][j] = j;		// 第一行初始化为i
		for (int i = 1; i <= word1.size(); i++) {
			for (int j = 1; j <= word2.size(); j++) {
				if (word1[i - 1] == word2[j - 1]) dp[i][j] = dp[i - 1][j - 1];
				//else dp[i][j] = min(min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;	// min()函数只接受两个参数，或者数组
				else dp[i][j] = min({ dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1] }) + 1;
			}
		}
		return dp[word1.size()][word2.size()];
	}
};

int main() {
	//string word1 = "sea", word2 = "eat";	// 测试案例
	//Solution s1;
	//int result = s1.minDistance(word1, word2);

	string word1 = "horse", word2 = "ros";	// 测试案例
	Solution2 s1;
	int result = s1.minDistance(word1, word2);

	cout << result << endl;
	system("pause");
	return 0;
}

end

相关推荐
WolfGang0073215 分钟前
代码随想录算法训练营Day50 | 拓扑排序、dijkstra(朴素版)
数据结构·算法
业精于勤的牙19 分钟前
浅谈：算法中的斐波那契数（四）
算法
一直都在57222 分钟前
数据结构入门：二叉排序树的删除算法
数据结构·算法
白云千载尽25 分钟前
ego_planner算法的仿真环境(主要是ros)-算法的解耦实现.
算法·无人机·规划算法·后端优化·ego·ego_planner
Swizard1 小时前
别再只会算直线距离了！用“马氏距离”揪出那个伪装的数据“卧底”
python·算法·ai
flashlight_hi1 小时前
LeetCode 分类刷题：199. 二叉树的右视图
javascript·算法·leetcode
LYFlied1 小时前
【每日算法】LeetCode 46. 全排列
前端·算法·leetcode·面试·职场和发展
2301_823438021 小时前
【无标题】解析《采用非对称自玩实现强健多机器人群集的深度强化学习方法》
数据库·人工智能·算法
oscar9991 小时前
CSP-J教程——第二阶段第十二、十三课：排序与查找算法
数据结构·算法·排序算法
chao1898441 小时前
MATLAB与HFSS联合仿真
算法
热门推荐
01GitHub 镜像站点02UV安装并设置国内源03Linux下V2Ray安装配置指南04在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）05安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）06BongoCat - 跨平台键盘猫动画工具07【AutoGLM部署】本地私有化部署AI手机Agent08Neo4j（一） - Neo4j安装教程（Windows）09Labelme从安装到标注：零基础完整指南10Open-AutoGLM Windows 安装部署教程