Question

我试图解决edit distance问题。我一直在使用的代码如下。

 public static int minDistance(String word1, String word2) {
    int len1 = word1.length();
    int len2 = word2.length();

    // len1+1, len2+1, because finally return dp[len1][len2]
    int[][] dp = new int[len1 + 1][len2 + 1];

    for (int i = 0; i <= len1; i++) {
        dp[i][0] = i;
    }

    for (int j = 0; j <= len2; j++) {
        dp[0][j] = j;
    }

    //iterate though, and check last char
    for (int i = 0; i < len1; i++) {
        char c1 = word1.charAt(i);
        for (int j = 0; j < len2; j++) {
            char c2 = word2.charAt(j);

            //if last two chars equal
            if (c1 == c2) {
                //update dp value for +1 length
                dp[i + 1][j + 1] = dp[i][j];
            } else {
                int replace = dp[i][j] + 1 ;
                int insert = dp[i][j + 1] + 1  ;
                int delete = dp[i + 1][j] + 1 ;


                int min = replace > insert ? insert : replace;
                min = delete > min ? min : delete;
                dp[i + 1][j + 1] = min;
            }
        }
    }

    return dp[len1][len2];
}

这是一种DP方法。问题因为它使用了2D数组我们无法使用上述方法解决这个问题的大字符串。例如：字符串长度＆gt; 100000。

那么无论如何都要修改这个算法来克服这个困难吗？

注意：上面的代码将准确地解决小字符串的编辑距离问题。（长度低于1000或接近）

正如您在代码中所看到的，它使用了Java 2D数组＆＃34; dp [] []＆＃34; 。因此，我们无法为大行和列初始化2D数组。

Ex：如果我需要检查2个长度超过100000的字符串

int[][] dp = new int[len1 + 1][len2 + 1];

以上将是

int[][] dp = new int[100000][100000];

因此它会产生stackOverflow错误。

所以上面的程序只适用于小长度的字符串。我要问的是，有没有办法在java中有效地解决大字符串（长度> 100000）的这个问题。

Answer 1

首先，在Java中分配100k x 100k int数组没有问题，你只需要在堆中进行，而不是在堆栈中（在具有大约80GB内存的机器上）：）

其次，作为（非常直接的）提示：

请注意，在循环中，您一次只能使用2行 - 行i和行i+1。实际上，您从行i+1计算行i。获得i+1后，您不再需要存储行i 。

这个巧妙的技巧允许您同时存储2行，从而将空间复杂度从n^2降低到n。既然你声明这是不是的家庭作业（即使你的个人资料属于CS本科...），我相信你会自己想出这些代码。

_{想到这一点我记得当我在CS学位上上课时遇到这个问题...}

编辑大字符串的距离解决方案

1 个答案: