代码随想录Day59 | 583. 两个字符串的删除操作 72. 编辑距离

代码随想录Day59 | 583. 两个字符串的删除操作 72. 编辑距离

583.两个字符串的删除操作

文档讲解:代码随想录

视频讲解: LeetCode:583.两个字符串的删除操作

状态

  1. dp数组
    dp[i][j] 表示 word1中的子串word1[0]到word1[i-1] 和 word2中的子串word2[0]到word2[j-1]相同时所需要的删除最少步数
  2. 递推公式
    当 word1[i-1] == word2[j-1] 时 那么就说明该元素可以不用删除,dp[i][j]的结果就和dp[i-1][j-1]的结果相同
    当不相等时,可能是删除word1[i-1],可能是删除word2[j-1],也可能两个都删除。
    删除word1[i-1] dp[i][j] = dp[i-1][j]+1
    删除word2[j-1] dp[i][j] = dp[i][j-1]+1
    两个都删除 dp[i][j] = dp[i-1][j-1]+2
    然后取三者的最小值
  3. 初始化
    当word1或者word2为空字符串时进行初始化
  4. 遍历顺序
    从前向后
  5. 打印dp
c++ 复制代码
//dp[i][j]表示s中0-i-1 与 t中0-j-1 进行删除操作后相同的最少步骤
//当s[i-1] == t[j-1] dp[i][j] = dp[i-1][j-1]
//当不相等时 就要考虑删除i-1 dp[i-1][j] 删除j-1 dp[i][j-1]的最小值+1
//以及同时删除i-1 和 j-1 dp[i-1][j-1]+2
//而 dp[i-1][j]+1 = dp[i-1][j-1]+2  相当于先删除i-1 然后在基础上再删除j-1
class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size()+1,vector<int>(word2.size()+1));
        //初始化 当 s或者t的字符串长度为0时
        for(int i = 0;i<word1.size()+1;i++)
        {
            dp[i][0] = i;
        }
        for(int i = 0;i<word2.size()+1;i++)
        {
            dp[0][i] = i;
        }

        for(int i = 1;i<word1.size()+1;i++)
        {
            for(int j = 1;j<word2.size()+1;j++)
            {
                if(word1[i-1] == word2[j-1])
                {
                    dp[i][j] = dp[i-1][j-1];
                }
                else
                {
                    dp[i][j] = min(dp[i][j-1],dp[i-1][j])+1;
                }
            }
        }

        return dp[word1.size()][word2.size()];
    }
};

72.编辑距离

文档讲解:代码随想录

视频讲解: 动态规划终极绝杀! LeetCode:72.编辑距离

状态

本题和上一题差不多,只是现在只能在一个字符穿上进行修改,我们考虑在字符串上的添加操作,比如在word1上添加一个word2的字符使得两个字符串相等,其实就是从word2上删除掉该字符就可以了,所以可以转换为上面一道题

  1. dp数组
    dp[i][j] 表示 word1中的子串word1[0]到word1[i-1] 转换 word2中的子串word2[0]到word2[j-1],所需要的最少步数
  2. 递推公式
    当word1[i-1] == word2[j-1] 那么说明不需要任何操作 dp[i][j] = dp[i-1][j-1]
    当不相等时,有三种操作方式
    添加 相当于删除word2的j-1 dp[i][j] = dp[i][j-1]+1
    删除 删除word1的i-1 dp[i][j] = dp[i-1][j]+1
    替换 相当于将word1的i-1 替换为 word2的j-1 dp[i][j] = dp[i-1][j-1]+1
    取三者最小值
  3. 初始化
    当word1或者word2为空字符串时进行初始化
  4. 遍历顺序
    从前向后
  5. 打印dp
c++ 复制代码
//dp[i][j] 表示 s子串0-i-1 转换为 t子串0-j-1的最少操作数
//如果s[i-1] == t[j-1] 那么dp[i][j] = dp[i-1][j-1]
//如果不相等 就需要涉及到
//插入 在s的i-1位置插入t[j-1] dp[i][j-1]
//删除 删除s的i-1位置  dp[i-1][j]+1
//替换 直接替换s[i-1]为t[j-1] dp[i-1][j-1]+1
class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size()+1,vector<int>(word2.size()+1));
        for(int i = 0;i<word1.size()+1;i++)
        {
            dp[i][0] = i;
        }
        for(int i = 0;i<word2.size()+1;i++)
        {
            dp[0][i] = i;
        }

        for(int i = 1;i<word1.size()+1;i++)
        {
            for(int j = 1;j<word2.size()+1;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-1],min(dp[i][j-1],dp[i-1][j]))+1;
                }
            }
        }

        return dp[word1.size()][word2.size()];
    }
};

<>

文档讲解:代码随想录

视频讲解: <>

状态

相关推荐
代码无bug抓狂人11 分钟前
前缀和算法和单调队列算法(经典例题)
数据结构·算法
We་ct12 分钟前
LeetCode 14. 最长公共前缀:两种解法+优化思路全解析
前端·算法·leetcode·typescript
leaves falling16 分钟前
BC68 X形图案
数据结构·算法
Lun3866buzha19 分钟前
【机场目标检测】基于YOLOv26的飞机目标检测算法实现_1
算法·yolo·目标检测
Q741_14721 分钟前
C++ 优先级队列 大小堆 模拟 力扣 1046. 最后一块石头的重量 每日一题
开发语言·c++·算法·leetcode·优先级队列·
blazeDP26 分钟前
洛谷P7224 [RC-04] 子集积解析
算法·深度优先·图论
Anastasiozzzz43 分钟前
常见限流算法--【令牌桶】【漏桶】【固定窗口】【滑动窗口】
java·redis·后端·算法·面试
独自破碎E1 小时前
动态规划-打家劫舍I-II-III
算法·动态规划
云草桑1 小时前
C#.net 分布式ID之雪花ID,时钟回拨是什么?怎么解决?
分布式·算法·c#·.net·雪花id
风筝在晴天搁浅1 小时前
hot100 104.二叉树的最大深度
java·算法