标签：相同 字符 动态规划 插入 ati targe ref nbsp maxlength
Levenshtein distance，中文名为最小编辑距离，其目的是找出两个字符串之间需要改动多少个字符后变成一致。该算法使用了动态规划的算法策略，该问题具备最优子结构，最小编辑距离包含子最小编辑距离，有下列的公式。
其中d[i-1,j]+1代表字符串s2插入一个字母才与s1相同，d[i,j-1]+1代表字符串s1删除一个字母才与s2相同，然后当xi=yj时，不需要代价，所以和上一步d[i-1,j-1]代价相同，否则+1，接着d[i,j]是以上三者中最小的一项。
算法实现（C#）：
假设两个字符串分别为source，target，其长度分别为columnSize，rowSize，首先申请一个（columnSize+1）*（rowSize+1）大小的矩阵，然后将第一行和第一列初始化，matrix[i,0]=i，matrix[0,j]=j，接着就按照公式求出矩阵中其他元素，结束后，两个字符串之间的编辑距离就是matrix[rowSize, columnSize]的值，代码如下：
public class StringComparator { public static int LevenshteinDistance(string source, string target) { int columnSize = source.Length; int rowSize = target.Length; if (columnSize == 0) { return rowSize; } if (rowSize == 0) { return columnSize; }
int[,] matrix = new int[rowSize + 1, columnSize + 1]; for (int i = 0; i <= columnSize; i++) { matrix[0, i] = i; } for (int j = 1; j <= rowSize; j++) { matrix[j, 0] = j; }
for (int i = 0; i < rowSize; i++) { for (int j = 0; j < columnSize; j++) { int sign; if (source[j].Equals(target[i])) sign= 0; else sign = 1; matrix[i + 1, j + 1] = Math.Min(Math.Min(matrix[i, j] + sign, matrix[i + 1, j]), matrix[i, j + 1] + 1); } } return matrix[rowSize, columnSize]; } public static float StringSimilarity(string source, string target) { int distance = LevenshteinDistance(source, target); float maxLength = Math.Max(source.Length, target.Length); return (maxLength - distance) / maxLength; } }
C#实现Levenshtein distance最小编辑距离算法
标签：相同 字符 动态规划 插入 ati targe ref nbsp maxlength
原文地址：http://www.cnblogs.com/feiyuhuo/p/6102579.html
