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 数据可视化 -- matplotlib02
    查看>>
    python 数据可视化利器
    查看>>
    Python 数据可视化详解
    查看>>
    python 数据库查询返回list或tuple
    查看>>
    Python 数据库连接池管理的基本知识 (附Demo)
    查看>>
    Python 数据库骚操作 -- MySQL
    查看>>
    Python 数据操作详解
    查看>>
    Python 数据文件与网络数据序列化存储详解
    查看>>
    Python 数据结构与算法详解
    查看>>
    Python 数据采集、清洗、整理、分析以及可视化实战
    查看>>
    Python 数据预处理
    查看>>
    python 文件类型检测 linux和windows都可以用
    查看>>
    Python多处理池,加入;不等待继续?
    查看>>
    Python 无法安装包
    查看>>
    python 日历小部件 - 返回用户选择的日期
    查看>>
    Python 日志管理封装
    查看>>
    python 时间函数小总结
    查看>>
    Python 是否优化尾递归?
    查看>>
    Python 更新set
    查看>>
    Python 最强 IDE 详细使用指南!
    查看>>