原文链接：https://juejin.im/post/6892671384976097287
很多文章提到的都是新旧DOM树需要两两对比，但是没有说清楚为什么。
思考
- 大家想一下，如果让你来设计将一棵树转换为另一棵树，你会怎么设计？
可能是直接暴力的根据index遍历比较，相同保留，不同就替换？
也可能是用动态规划计算新旧两个节点变换所有情况的最小DOM操作次数？Min(新增，删除，替换)
等等，我相信还有很多种可能。
第一种非常粗暴，第二种是假设所有操作的优先级是相同的。第二种方案也就是我们传统的diff算法的核心方案，下面我们就此展开讨论
首先思考一个问题，创建一颗树的需要的复杂度是多少？
很简单，因为树是一种递归的数据结构，需要递归的创建，复杂度O(n)。但是DOM的操作是非常耗性能的！
再思考一下，将一棵树转换为另一颗树，每个节点如何操作可以最少次数的操作DOM？
太抽象了想不清楚没关系。下面我们来简化一下问题。
思考一下，将一个字符串转换为另一个字符串所需的最小操作次数，要如何计算？[wiki Edit distance][]
题目还是理解的不是很清晰？看下面的示例！[leetcode 72.编辑距离][leetcode 72.]
编辑距离
可能有部分同学已经想到了，直观的方式是用动态规划，通过这种记忆化搜索减少时间复杂度！
下面就展开介绍一下如何用动态规划解这道题
代码
/**
* @param {string} word1
* @param {string} word2
* @return {number}
*/
var minDistance = function(word1, word2) {
//1.初始化
let n = word1.length, m = word2.length
let dp = new Array(n+1).fill(0).map(() => new Array(m+1).fill(0))
for (let i = 0; i <= n; i++) {
dp[i][0] = i
}
for (let j = 0; j <= m; j++) {
dp[0][j] = j
}
//2.dp
for(let i = 0; i <= n; i++) {
for(let j = 0; j <= m; j++) {
if(i*j) {
dp[i][j] = word1[i-1] == word2[j-1] ? dp[i-1][j-1]: (Math.min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1)
} else {
dp[i][j] = i + j
} console.log(dp[i][j])
}
}
return dp[n][m]
};
得到字符串的最小编辑距离需要O(n^2)复杂度 -> 树的最小编辑距离需要O(n^3)。
