博客
关于我
LeetCode 72. 编辑距离 python
阅读量:632 次
发布时间:2019-03-14

本文共 579 字,大约阅读时间需要 1 分钟。

编辑距离的问题可以用动态规划的方法来高效解决。以下是详细的解题思路:

设两个单词分别为 word1 和 word2,分别具有长度 n 和 m。我们需要求出将 word1 转换为 word2 所需的最小操作数。

我们可以使用一个 (n+1) x (m+1) 的二维数组 dp,其中 dp[i][j] 表示将 word1 的前 i 个字符与 word2 的前 j 个字符处理后的最小编辑距离。

边界条件

  • 当 word1 或 word2 为空时,我们只能进行插入或删除操作。因此,dp[i][0] = i,dp[0][j] = j,其中 i 和 j 分别表示各自字符串的长度。

递推公式

  • 如果 word1[i-1] == word2[j-1],则不需要任何替换操作,于是 dp[i][j] = dp[i-1][j-1]。
  • 否则,dp[i][j] = min替换、删除、插入) + 1:
    • 替换:dp[i-1][j-1] + 1
    • 删除:dp[i-1][j] + 1
    • 插入:dp[i][j-1] + 1
  • 优化空间复杂度

    可以只使用一行来保存当前的状态,节省空间。我们只需要每次计算当前行的j值时,用上一行的j-1到j的信息。

    时间复杂度

    该算法的时间复杂度为 O(nm),空间复杂度为 O(m)(使用一维数组)。

    最终答案是 dp[n][m],即两个单词的最小编辑距离。

    转载地址:http://vrxoz.baihongyu.com/

    你可能感兴趣的文章
    Prometheus监控教程:使用PromQL查询监控数据(上篇)
    查看>>
    Prometheus监控教程:使用PromQL查询监控数据(下篇)
    查看>>
    Pytorch中关于forward函数的理解与用法
    查看>>
    Prometheus监控教程:安装部署
    查看>>
    Prometheus监控教程:配置介绍
    查看>>
    Pytorch中tqdm进度条的使用
    查看>>
    Prometheus(2):SpringBoot 2.X集成Prometheus
    查看>>
    Promise 原理解析与实现(遵循Promise/A+规范)
    查看>>
    PyTorch:传递 numpy 数组进行权重初始化
    查看>>
    PyTorch-Tutorials【pytorch官方教程中英文详解】- 8 Save and Load Model
    查看>>
    promise.all是并发执行吗_攻破面试灵魂拷问,解读Java并发编程的艺术,本文带你深入l理解...
    查看>>
    PyTorch-Tutorials【pytorch官方教程中英文详解】- 7 Optimization
    查看>>
    promise总结
    查看>>
    Propel项目改为基于TensorFlow.js
    查看>>
    PyTorch-Tutorials【pytorch官方教程中英文详解】- 6 Autograd
    查看>>
    properties出现中文乱码解决方法(万能)
    查看>>
    Property 'submit' of object #<HTMLFormElement> is not a function
    查看>>
    property--staticmethod--classmethod
    查看>>
    propertyGrid
    查看>>
    propertyPlaceholderConfigurer读取配置文件
    查看>>