我叫你用伪代码的形式来写编辑距离算法

编辑距离算法，也称为Levenshtein距离，用于衡量两个字符串之间的差异程度。以下是使用伪代码表示的基本步骤：

function edit_distance(s1, s2):
    n1 = length(s1)
    n2 = length(s2)

    # 初始化一个n1+1 x n2+1的动态规划矩阵
    dp = initialize_matrix(n1 + 1, n2 + 1)

    # 第一行和第一列初始化为0到n2或n1的数字
    for i in range(1, n1 + 1):
        dp[i][0] = i
    for j in range(1, n2 + 1):
        dp[0][j] = j

    # 填充动态规划矩阵
    for i in range(1, n1 + 1):
        for j in range(1, n2 + 1):
            if s1[i - 1] == s2[j - 1]:
                dp[i][j] = dp[i - 1][j - 1]
            else:
                dp[i][j] = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1  # 插入、删除或替换操作的最小代价

    return dp[n1][n2]

initialize_matrix(row, col):
    matrix = []
    for _ in range(row):
        row_data = [0] * col
        matrix.append(row_data)
    return matrix