leetcode-72. 编辑距离-C语言

最新推荐文章于 2024-03-09 00:08:45 发布

原创最新推荐文章于 2024-03-09 00:08:45 发布 · 322 阅读

1 ·

CC 4.0 BY-SA版权

LeetCode 专栏收录该内容

251 篇文章

订阅专栏

本文介绍了一种使用动态规划算法解决编辑距离问题的方法。通过构建动态规划矩阵，该算法可以高效地计算两个字符串之间的最小编辑距离，即通过插入、删除或替换字符将一个字符串转换为另一个字符串所需的最少操作数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >


/*
 * 算法思想： 动态规划解编辑问题。
 *
 */

int min(int a, int b){
    return a<b ? a:b;
}

int maxn(int a, int b){
    return a>b ? a:b;
}

int minDistance(char * word1, char * word2){
    int len1 = strlen(word1);
    int len2 = strlen(word2);
    int max = len1 > len2 ? len1 : len2;
    
    if(!len1 || !len2) return maxn(len1, len2);
    
    int i, j, dp[len1+1][len2+1];


    for(i=0; i<=len1; i++){ /* 表示第一个字符串为空串，与第二个字符串进行匹配 */
        dp[i][0] = i; 
    }    
    for(j=0; j<=len2; j++) {/* 表示第二个字符串为空串，与第一个字符串进行匹配 */
        dp[0][j] = j;
    }
    
    for(i=1; i<=len1; i++){
        for(j=1; j<=len2; j++) {
            
            dp[i][j] = dp[i-1][j-1]; 
            dp[i][j] = min(dp[i-1][j], dp[i][j]);
            dp[i][j] = min(dp[i][j-1], dp[i][j]);
            
            if(word1[i-1] != word2[j-1]){
                dp[i][j]++;
            }else{
                dp[i][j] = dp[i-1][j-1];
            }
            
            //printf("%8d,", dp[i][j]);
        }
        //printf("\n");
    }
 
    return dp[len1][len2];
}