NOJ 1224 编辑距离问题 (线性dp 分类)

本文介绍了一种计算两个字符串之间的编辑距离的有效算法。通过动态规划的方法,详细解释了如何计算从一个字符串转换到另一个字符串所需的最少操作数,这些操作包括插入、删除和替换字符。

编辑距离问题

Time Limit(Common/Java):1000MS/3000MS          Memory Limit:65536KByte

Description

       设A和B是2个字符串。要用最少的字符操作将字符串A转换为字符串B。这里所说的字符操作包括

(1)删除一个字符;

(2)插入一个字符;

(3)将一个字符改为另一个字符。

将字符串A变换为字符串B所用的最少字符操作数称为字符串A到B的编辑距离,记为d(A,B)。试设计一个有效算法,对任给的2个字符串A和B,计算出它们的编辑距离d(A,B)。

对于给定的字符串A和字符串B,编程计算其编辑距离d(A,B)。

Input

输入数的第一行是字符串A,文件的第二行是字符串B。

Output

输出编辑距离d(A,B)的第1行中。

Sample Input

fxpimu
xwrs

Sample Output

5


题目链接  :http://acm.njupt.edu.cn/acmhome/problemdetail.do?&method=showdetail&id=1224


题目分析  :设dp[i][j]为A从a0...ai变到B从b0...bj的最小操作次数,然后每次对三种操作每次取最小得方案,初时时刻dp[0][j] = j和dp[i][0]=i因为只需添加或删除对应的字符数即可,接下来删除为dp[i-1][j] + 1,插入为dp[i][j-1] + 1,改变为dp[i-1][j-1] + (A[i-1] == B[j-1] ? 0 : 1),三种情况下取最小解即为当前最优状态,一直推到dp[strlen(A)][strlen(B)]即为最终答案,这里将A变为B和将B变为A的最优解其实是一样的



#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
int const MAX = 1800;
int dp[MAX][MAX];
char A[MAX], B[MAX];

int min3(int a, int b, int c)
{
    return min(a, min(b, c));
}

void cal(int len1, int len2)
{
    for(int i = 0; i <= len1; i++)
        dp[i][0] = i;
    for(int j = 0; j <= len2; j++)
        dp[0][j] = j;
    for(int i = 1; i <= len1; i++)
        for(int j = 1; j <= len2; j++)
            dp[i][j] = min3(dp[i-1][j] + 1, dp[i][j-1] + 1, dp[i-1][j-1] + (A[i-1] == B[j-1] ? 0 : 1));
    printf("%d\n", dp[len1][len2]);
}

int main()
{
    while(gets(A) && gets(B))
        cal(strlen(A), strlen(B));
}


### 关于 NOJ 上的涂色问题 #### 涂色问题概述 涂色问题是编程竞赛中的经典问题之一,在这类问题中通常涉及到给定图形的不同部分上色,使得相邻区域的颜色不同。此类问题可以转化为图论中的着色问题,其中每个顶点代表一个需要上色的对象,边表示两个对象之间的邻接关系。 对于 NOJ 平台上的具体实例,虽然没有直接提及特定编号下的“涂色问题”,但是可以根据平台特点以及常见题型推测可能存在的题目形式及其解决方案[^1]。 #### 解决方案分析 解决涂色问题的方法主要包括贪心算法、回溯法和动态规划等几种方式: - **贪心算法**适用于某些特殊情况下的地图染色问题,比如四色定理的应用场景下能够快速找到可行解。 - **回溯法**是一种通用性强但效率较低的办法,它尝试每一种颜色组合直到发现满足条件为止。 - **动态规划**则用于更复杂的多阶段决策过程优化求解路径长度最小化等问题时较为有效。 针对具体的实现细节,下面给出一段基于 Python 的简单示例代码展示如何利用回溯方法处理基本的地图着色问题: ```python def is_safe(graph, color, v, c): for i in range(len(graph)): if graph[v][i] and color[i] == c: return False return True def solve_m_coloring_util(graph, m, color, v): if v == len(graph): return True for c in range(1, m+1): if is_safe(graph, color, v, c): color[v] = c if solve_m_coloring_util(graph, m, color, v + 1) == True: return True color[v] = 0 return False def solve_m_coloring(graph, m): color = [0]*len(graph) if not solve_m_coloring_util(graph, m, color, 0): print("Solution does not exist") return False print(color) return True ``` 此函数实现了经典的 M 着色问题(M-coloring problem),即给定无向图 G 和正整数 m ,问能否用不超过m种不同的颜色为G的所有节点着色,使任何一对有边相连结点具有不同颜色?上述代码采用递归的方式遍历所有可能性并返回最终的结果列表 `color` 表明各个顶点被分配到的颜色编号[^2]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值