动态规划C++实现--最小编辑代价

本文介绍了一个利用动态规划求解最小编辑代价的问题,详细解释了动态规划矩阵的初始化和填充过程,包括删除、插入和替换操作的代价计算,并给出了C++代码实现。此外,还提及通过空间压缩可以将额外空间复杂度降至O(min(M,N))。" 113157201,10544525,MySQL模拟条件索引实践与优化,"['MySQL', '数据库优化', '索引', '数据查询']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目:给定两个字符串 str1 和 str2,再给定三个整数 ic, dc 和 rc,分别代表插入、删除和替换1个字符的代价,

          返回 str1 编辑成 str2 的代价。

举例

        str1 = "abc", str2 = "adc", ic = 5, dc = 3, rc = 2.   : "b"替换成"d"代价为 2

        str1 = "abc", str2 = "adc", ic = 5, dc = 3, rc = 100    :  先删除"b",再插入"d"代价为8

        str1 = "abc", str2 = "abc"  两个字符串相同,不用编辑了,代价为0.

方法

       如果 str1 的长度为 M,str2的长度为 N,采用动态规划的方法,时间复杂度为 O(M*N) ,额外的空间复杂度为O(M*N)

       首先生成动态矩阵 dp[M+1][N+1],其中 dp[i][j] 表示 st1[0,...,i-1] 编辑成 str2[0,...,j-1]的最小代价。

     1. 首先动态矩阵的初始值 dp[0][0] = 0

     2. 动态矩阵的第一列 dp[0,...,M-1][0] . dp[i][0] 表示 str1[0,...,i-1]编辑成空串的代价,即删除(dc)所有字符,

       

### C++ 实现编辑距离动态规划算法 对于两个给定的字符串 `word1` 和 `word2`,目标是计算将 `word1` 转换为 `word2` 所需的最少操作数。这些操作可以是插入、删除或替换字符。 #### 动态规划表构建 创建二维数组 `dp`,其中 `dp[i][j]` 表示 `word1` 的前 `i` 个字符转换成 `word2` 的前 `j` 个字符所需的最小编辑次数[^4]。 初始条件如下: - 当任意一个字符串为空时,另一个字符串需要全部插入/删除才能匹配。 ```cpp for (int i = 0; i <= m; ++i) { dp[i][0] = i; } for (int j = 0; j <= n; ++j) { dp[0][j] = j; } ``` 状态转移方程考虑三种情况之一发生后的最优解: - 如果当前字符相同,则不需要额外的操作; - 否则取三者(插入、删除、替换)中的最小值加一作为新的编辑代价。 ```cpp if (word1[i - 1] == word2[j - 1]) { dp[i][j] = dp[i - 1][j - 1]; } else { dp[i][j] = min({dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]}) + 1; } ``` 最终结果保存于 `dp[m][n]` 中,即整个字符串间的最短编辑距离。 以下是完整的C++代码实现及其解释: ```cpp class Solution { public: int minDistance(string word1, string word2) { const int m(word1.size()); const int n(word2.size()); // 创建DP表格并初始化边界条件 vector<vector<int>> dp(m + 1, vector<int>(n + 1)); for (int i = 0; i <= m; ++i) { dp[i][0] = i; // 初始化第一列 } for (int j = 0; j <= n; ++j) { dp[0][j] = j; // 初始化第一行 } // 计算其他位置上的值 for (int i = 1; i <= m; ++i) { char c1 = word1.at(i - 1); for (int j = 1; j <= n; ++j) { char c2 = word2.at(j - 1); if (c1 == c2){ dp[i][j] = dp[i - 1][j - 1]; // 若相等无需改变 } else { // 取三个可能动作中成本最低的那个加上一次变动的成本 dp[i][j] = min({ dp[i - 1][j], // 删除 dp[i][j - 1], // 插入 dp[i - 1][j - 1] // 替换 }) + 1; } } } return dp[m][n]; // 返回最后的结果 } }; ``` 通过上述过程,实现了基于动态规划原理求解两字符串之间最小编辑距离的方法,在实际应用中有广泛用途,特别是在自然语言处理领域内用于拼写纠正等方面。
评论
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