编辑距离（Edit Distance）是指两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。常见的编辑操作包括插入一个字符、删除一个字符和替换一个字符。

动态规划是解决编辑距离问题的常用方法。下面给出使用动态规划求解编辑距离的代码示例（使用Python编写）：

def edit_distance(word1, word2):
    m = len(word1)
    n = len(word2)
    
    # 创建一个二维数组dp，用于保存中间结果
    dp = [[0] * (n + 1) for _ in range(m + 1)]
    
    # 初始化第一行和第一列
    for i in range(m + 1):
        dp[i][0] = i
    for j in range(n + 1):
        dp[0][j] = j
    
    # 动态规划求解编辑距离
    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if word1[i - 1] == word2[j - 1]:
                dp[i][j] = dp[i - 1][j - 1]
            else:
                dp[i][j] = min(dp[i - 1][j - 1], dp[i][j - 1], dp[i - 1][j]) + 1
    
    return dp[m][n]

# 测试代码
word1 = "horse"
word2 = "ros"
distance = edit_distance(word1, word2)
print(distance)

在上面的代码中，我们使用一个二维数组dp来保存中间结果。dp[i][j]表示将word1的前i个字符转换为word2的前j个字符所需的最小编辑距离。

首先，我们初始化第一行和第一列，即将空字符串转换为word1和word2所需的编辑距离。然后，我们使用两个嵌套循环来遍历所有可能的字符组合，根据当前字符是否相等来确定编辑操作的类型（插入、删除或替换）。最后，我们返回dp[m][n]，即将word1的所有字符转换为word2的所有字符所需的最小编辑距离。

对于示例输入word1 = "horse"和word2 = "ros"，输出为2，表示将字符串"horse"转换为"ros"所需的最小编辑操作次数为2。