编辑距离：将一个字符串转化成另一个字符串，需要的最少编辑操作次数（比如增加一个字符、删除一个字符、替换一个字符）。编辑距离越大，说明两个字符串的相似程度越小；相反，编辑距离就越小，说明两个字符串的相似程度越大。
莱文斯坦距离允许增加、删除、替换字符这三个编辑操作。莱文斯坦距离的大小，表示两个字符串差异的大小

回溯法：如果 a[i] 与 b[j] 匹配，递归考察 a[i+1] 和 b[j+1]。
如果 a[i] 与 b[j] 不匹配，那我们有多种处理方式可选：
1.可以删除 a[i]，然后递归考察 a[i+1] 和 b[j]；
2.可以删除 b[j]，然后递归考察 a[i] 和 b[j+1]；
3.可以在 a[i] 前面添加一个跟 b[j] 相同的字符，然后递归考察 a[i] 和 b[j+1];
4.可以在 b[j] 前面添加一个跟 a[i] 相同的字符，然后递归考察 a[i+1] 和 b[j]；
5.可以将 a[i] 替换成 b[j]，或者将 b[j] 替换成 a[i]，然后递归考察 a[i+1] 和 b[j+1]。

 private char[] a = "mitcmu".toCharArray();
    private char[] b = "mtacnu".toCharArray();
    private int n = 6;
    private int m = 6;
    // 存储结果
    private int minDist = Integer.MAX_VALUE;

    // 调用方式 lwstBT(0, 0, 0);
    public void lwstBT(int i, int j, int edist) {
        if (i == n || j == m) {
            if (i < n) {
                edist += (n - i);
            }
            if (j < m) {
                edist += (m - j);
            }
            if (edist < minDist) {
                minDist = edist;
            }
            return;
        }
        // 两个字符匹配
        if (a[i] == b[j]) {
            lwstBT(i + 1, j + 1, edist);
        } else { // 两个字符不匹配
            // 删除a[i]或者b[j]前添加一个字符
            lwstBT(i + 1, j, edist + 1);
            // 删除b[j]或者a[i]前添加一个字符
            lwstBT(i, j + 1, edist + 1);
            // 将a[i]和b[j]替换为相同字符
            lwstBT(i + 1, j + 1, edist + 1);
        }
    }

动态规划：
如果：a[i]!=b[j]，那么：min_edist(i, j)就等于：
min(min_edist(i-1,j)+1, min_edist(i,j-1)+1, min_edist(i-1,j-1)+1)
如果：a[i]==b[j]，那么：min_edist(i, j)就等于：
min(min_edist(i-1,j)+1, min_edist(i,j-1)+1，min_edist(i-1,j-1)
其中，min表示求三数中的最小值。

public int lwstDP(char[] a, int n, char[] b, int m) {
        int[][] minDist = new int[n][m];
        // 初始化第0行:a[0..0]与b[0..j]的编辑距离
        for (int j = 0; j < m; ++j) {
            //若相等。差为下标值。因为从0开始
            if (a[0] == b[j]) {
                minDist[0][j] = j;
            } else if (j != 0) {
                minDist[0][j] = minDist[0][j - 1] + 1;
            } else {
                minDist[0][j] = 1;
            }
        }
        // 初始化第0列:a[0..i]与b[0..0]的编辑距离
        for (int i = 0; i < n; ++i) {
            if (a[i] == b[0]) {
                minDist[i][0] = i;
            } else if (i != 0) {
                minDist[i][0] = minDist[i - 1][0] + 1;
            } else {
                minDist[i][0] = 1;
            }
        }
        // 按行填表
        for (int i = 1; i < n; ++i) {
            for (int j = 1; j < m; ++j) {
                if (a[i] == b[j]) {
                    minDist[i][j] =
                        min(minDist[i - 1][j] + 1, minDist[i][j - 1] + 1, minDist[i - 1][j - 1]);
                } else {
                    minDist[i][j] = min(minDist[i - 1][j] + 1, minDist[i][j - 1] + 1, minDist[i - 1][j - 1] + 1);
                }
            }
        }
        return minDist[n - 1][m - 1];
    }

    private int min(int x, int y, int z) {
        int minv = Integer.MAX_VALUE;
        if (x < minv) { minv = x; }
        if (y < minv) { minv = y; }
        if (z < minv) { minv = z; }
        return minv;
    }