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
    Python 3 读取ini文件
    查看>>
    Python 3.0 使用 turtle.onclick
    查看>>
    Python 3.10 明年发布,看看都有哪些新特性?
    查看>>
    python 3.10上安装pyqt5
    查看>>
    Python 3.12 正式发布了!
    查看>>
    Python 3.2 中的蛮力脚本
    查看>>
    Python 3.4 多处理递归 Pool.map()
    查看>>
    Python 3.4:未知格式代码“x“
    查看>>
    Python 3.5、ldap3 和 modify_password()
    查看>>
    python 3.6.8 升级至3.9版本升级
    查看>>
    Python 3.9 到 Python 3.12 的发展历程与区别
    查看>>
    python 32位和64位的区别在哪
    查看>>
    Python 3:何时使用 dict,何时使用元组列表?
    查看>>
    Python 3d 绘图 - 轴居中
    查看>>
    python ==》 字典
    查看>>
    python anaconda 安装使用
    查看>>
    python and或or 当参数传递的时候的用法
    查看>>
    Python append() 与列表上的 + 运算符,为什么这些会给出不同的结果?
    查看>>
    Python APP自动化测试工具adb与Monkey使用详解
    查看>>
    Python APP自动化测试框架Appium详解
    查看>>