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
    Python3 求最大/小值及索引值 Numpy
    查看>>
    python3+django使用celery执行某些任务失败的解决方案
    查看>>
    Python3+Requests+Unittest实战系列【一】
    查看>>
    python3+requests+unittest实战系列【一】
    查看>>
    python3+requests+unittest实战系列【二】
    查看>>
    Python3+Requests+Unittest实战系列【二】
    查看>>
    python3----ASCII
    查看>>
    Python3-selenium自动化测试框架,结合HTMLTestRunner测试报告!
    查看>>
    Python3-如何自我更新作为服务运行的应用程序
    查看>>
    Python3.1-网格模拟概念性问题
    查看>>
    Python3.12 解决conda环境libstdc++版本过低问题
    查看>>
    python3.2批量查询IP地址区域
    查看>>
    Python3.5中协程和未来/任务之间的区别?
    查看>>
    python3.5实现socket通讯(TCP)
    查看>>
    python3.6 ubuntu部署nginx、 uwsgi、 django
    查看>>
    Python3.6.3中,functools似乎不能用
    查看>>
    python3.6.5+cuda9+cudnn7.1+win10+tensorflow-gpu1.9.0下载配置
    查看>>
    python3.6使用pickle序列化class
    查看>>
    python3.6入门到高阶(全栈) day027 网络通信协议 osi七层模型
    查看>>
    Python3.6属性错误:模块‘;异步没有属性‘;运行‘;
    查看>>