給兩個單詞word1和word2
求將word1變成word2的最少操作
操作：insert：插入乙個字元
delete：刪除乙個字元
replace：替換乙個字元
第一次是在leetcode動態規劃（leetcode72）看到的，後面做某公司筆試真題的時候又見到了，自己想的太簡單了，記錄一下解法。
動態規劃三步：
1.定義陣列含義
首先定義word1長度是i，word2長度j，dp[i][j]代表轉換的最少運算元
我們要做的是逐一比較word1[1~i]和word2[1~j]
相同 就同時移步 dp[i][j]==dp[i-1][j-1]
不同，有三種操作
替換：直接在word1【i】中替換乙個與word2【j】對應位置相同的字元 ，兩邊需要都移位，運算元+1
dp[i][j]==dp[i-1][j-1] + 1
刪除：把字元word[i]刪除，用i-1位再繼續比較，則 dp[i][j]==dp[i-1][j] + 1
插入：在word1[i]後插入乙個與word2[j]相同的字元，即為 dp[i][j]==dp[i][j-1] + 1
在我們逐個比較的過程中，需要從這三種操作中選一種，讓最後dp[i][j]最小，可以得到乙個關係：
dp[i][j] = min + 1
找初始值
當 i 或 j 為0時，關係式就不在成立，不能進行移位。但是計算也很簡單，其中乙個為0時，另乙個的長度就是最少的運算元。
public int func(string word1,string word2)for(int i = 1; i <= len1; i++)
for(int i = 1;i<=len1;i++)else}}
return dp[len1][len2];
}
演算法 動態規劃
動態規劃 把多階段過程轉化為一系列單階段問題，利用各階段之間的關係，逐個求解 演算法例子 1.鋼條切割 serling 公司購買長鋼條，將其切割為短鋼條，切割工序假設沒有成本支出，公司管理層希望確定最佳的切割方案。假設serling公司 一段長度為i英吋的鋼條的 為pi。鋼條的長度為整英吋，下表給出...
演算法 動態規劃
1 問題具有最優子結構性質。如果問題的最優解所包含的子問題的解也是最優的，我們就稱該問題具有最優子結構性質。比如說在揹包問題中，最高總價值 max 選擇不放該物品時達到的總價值，決定放該物品時揹包剩餘容量能達到的最大價值 該物品價值 顯然，最高總價值的解一定包含 選擇不放該物品時達到的總價值 和 決...
演算法 動態規劃
動態規劃的定義 動態規劃是運籌學的乙個分支，是求解決策過程的最優化的數學方法。20世紀50年代初美國數學家r.e.bellman等人在研究多階段決策過程的優化問題時，提出了著名的最優化原理，把多階段過程轉化為一系列單階段問題，利用各階段之間的關係，逐個求解，創立了解決這類過程優化問題的新方法 動態規...