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
    opencv源码查看
    查看>>
    OpenCV点目标检测未找到所有目标,并且找到的圆圈偏移
    查看>>
    opencv特征提取1-Harris角点检测
    查看>>
    OpenCV环境搭建(一)
    查看>>
    OpenCV的视频读取
    查看>>
    openCV目标识别 目标跟踪 YOLO5深度学习 Python 计算机视觉 计算机毕业设计 源码下载
    查看>>
    opencv笔记(1):图像缩放
    查看>>
    opencv笔记(二十四)——得到轮廓之后找到凸包convex hull
    查看>>
    OpenCV计算点到直线的距离 数学法
    查看>>
    Opencv识别图中人脸
    查看>>
    OpenCV读写avi、mpeg文件
    查看>>
    opencv里用calcCovarMatrix计算协方差矩阵
    查看>>
    OpenCV错误:在setSize中断言失败(s&>;=0)-尝试将图像放置在网络摄像头提要上时
    查看>>
    opencv面向对象设计初探
    查看>>
    OpenCV(1)读写图像
    查看>>
    OpenCV:不规则形状区域中每种颜色的像素数?
    查看>>
    OpenCV:概念、历史、应用场景示例、核心模块、安装配置
    查看>>
    OpenDaylight融合OpenStack架构分析
    查看>>
    OpenERP ORM 对象方法列表
    查看>>
    openEuler Summit 2022 成功举行,开启全场景创新新时代
    查看>>