本文共 1114 字，大约阅读时间需要 3 分钟。

   
    
    
        
    
            以下是实现两个字符串最小编辑成本的动态规划算法：
            
            类 Solution:
                def minEditCost(self, str1, str2, ic, dc, rc):
                    # 初始化动态规划表
                    dp = [[0] * (len(str2)+1) for _ in range(len(str1)+1)]
                    
                    # 填充边缘情况
                    for i in range(1, len(str1)+1):
                        dp[i][0] = dp[i-1][0] + dc
                    for j in range(1, len(str2)+1):
                        dp[0][j] = dp[0][j-1] + ic
                    
                    # 填充主体部分
                    for i in range(1, len(str1)+1):
                        for j in range(1, len(str2)+1):
                            if str1[i-1] == str2[j-1]:
                                dp[i][j] = min(dp[i-1][j-1], dp[i][j-1] + ic, dp[i-1][j] + dc)
                            else:
                                dp[i][j] = min(dp[i-1][j-1] + rc, dp[i][j-1] + ic, dp[i-1][j] + dc)
                    
                    # 返回最小编辑成本
                    return dp[-1][-1]
        
    
   

以上代码实现了对两个字符串的最小编辑成本计算，采用动态规划方法来解决问题。算法通过维护一个二维数组dp，记录不同子序列之间的编辑成本，最终返回两个字符串的最小编辑成本。