72.编辑距离。一看就懂注释版

最新推荐文章于 2025-12-05 21:47:37 发布

原创最新推荐文章于 2025-12-05 21:47:37 发布 · 1.1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#动态规划 #android studio #算法

LeetCode 专栏收录该内容

221 篇文章

订阅专栏

本文探讨了一种基于T583原理的字符串相似度计算方法，Solution类中的minDistance函数通过动态规划求解word1和word2之间的最少编辑操作数，适用于字符串比较和优化问题。

和T583可以说是一模子里出来的

class Solution {
    public int minDistance(String word1, String word2) {
        int len1 = word1.length(), len2 = word2.length();
        int[][] dp = new int[len1 + 1][len2 + 1];
        // word1字符串为空时，word2字符全删
        for(int i = 0; i <= len1; i++) dp[i][0] = i;
        // word2字符串为空时，word1字符全删
        for(int i = 0; i <= len2; i++) dp[0][i] = i;

        for (int i = 1; i <= len1; i++) {
            for (int j = 1; j <= len2; j++) {
                if (word1.charAt(i - 1) == word2.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1];
                } else {
                    // word2添加一个元素，相当于word1删除一个元素
                    // word1删除：dp[i][j] = dp[i - 1][j] + 1
                    // word2删除：dp[i][j] = dp[i][j - 1] + 1
                    // 替换：dp[i][j] = dp[i - 1][j - 1] + 1
                    dp[i][j] = Math.min(Math.min(dp[i - 1][j - 1], dp[i][j - 1]), dp[i - 1][j]) + 1;
                }
            }
        }
        return dp[len1][len2];
    }
}