动态规划思路流程:
(1)确定问题的决策对象。
(2)对决策过程划分阶段。
(3)对各阶段确定状态变量。
(4)根据状态变量确定费用函数和目标函数。
(5)建立各阶段状态变量的转移过程,确定状态转移方程。
适用条件:
例题:
脱氧核糖核酸即常说的DNA,是一类带有遗传信息的生物大分子。它由4种主要的脱氧核苷酸(dAMP、dGMP、dCMT和dTMP)通过磷酸二酯键连接而成。这4种核苷酸可以分别记为:A、G、C、T。
DNA携带的遗传信息可以用形如:AGGTCGACTCCA.... 的串来表示。DNA在转录复制的过程中可能会发生随机的偏差,这才最终造就了生物的多样性。
为了简化问题,我们假设,DNA在复制的时候可能出现的偏差是(理论上,对每个碱基被复制时,都可能出现偏差):
1. 漏掉某个脱氧核苷酸。例如把 AGGT 复制成为:AGT
2. 错码,例如把 AGGT 复制成了:AGCT
3. 重码,例如把 AGGT 复制成了:AAGGT
如果某DNA串a,最少要经过 n 次出错,才能变为DNA串b,则称这两个DNA串的距离为 n。
例如:AGGTCATATTCC 与 CGGTCATATTC 的距离为 2
你的任务是:编写程序,找到两个DNA串的距离。
【输入、输出格式要求】
用户先输入整数n(n<100),表示接下来有2n行数据。
接下来输入的2n行每2行表示一组要比对的DNA。(每行数据长度<10000)
程序则输出n行,表示这n组DNA的距离。
例如:用户输入:
3
AGCTAAGGCCTT
AGCTAAGGCCT
AGCTAAGGCCTT
AGGCTAAGGCCTT
AGCTAAGGCCTT
AGCTTAAGGCTT
则程序应输出:
1
1
2
若按动态规划流程来解这道题:
一、问题化简:
原问题相当于,给定两个数组a[1...m],b[1...n],要求的是将a[1...m]变为b[1...n](通过增加一个字符,删除一个字符,改变一个字符)至少需要多少步?
二、是否适用动态规划求解
(1)、假设用dp[m][n]来存储问题的解,dp[m][n]可以是由其子问题dp[i][j]逐步通过对a[i]的增删改来完成,故满足最优子结构特性。
(2)、由于每个字符的增、删、改均是一个独立问题,不会影响全局结构,并且字符偏差发生的顺序无关紧要,所以它满足动态规划的第二个条件无 后效性。
三、设计状态转移方程
(1)、 如果b[1..j]是通过a[1..i]末尾增加一个字符而成,dp[i][j]=dp[i][j-1]+1;
(2)、如果b[1..j]是通过a[1..i]删除最后个字符而成,dp[i][j]=dp[i-1][j]+1;
(3)、如果b[1..j]是通过a[1..i]修改最后个字符而成,dp[i][j]=dp[i-1][j-1]+a[i]==b[j]?0:1;
决策是dp[i][j]在能取到的值中选择最小值;
四、边界处理
for(j=0;;j<=n;j++ ) dp[0][j]=j;
for(i=0;i<=m;i++ ) dp[i][0]=i;
五、java代码
import java.util.Scanner;
/**
*
* @author Administrator
* 采用动态规划方法,但必须的前提条件是插入字符时没有约束条件,可以随意插入任意字符,
* 这样就可以构成最优子特性和无后效性
*/
public class Main4DP {
public static void main(String[] args) {
Scanner scan = new Scanner(System.in);
int num = scan.nextInt();
while (num-- != 0) {
char[] s = scan.next().toCharArray();
char[] resu = scan.next().toCharArray();
int[][]dp=new int[s.length+1][resu.length+1];
//边界处理
for(int i=0;i<=s.length;i++){
dp[i][0]=i;
}
for(int j=0;j<=resu.length;j++){
dp[0][j]=j;
}
//状态转移方程
for(int i=1;i<=s.length;i++){
for(int j=1;j<=resu.length;j++){
dp[i][j]=Math.max(s.length, resu.length);
dp[i][j]=Math.min(dp[i][j],dp[i-1][j-1]+(s[i-1]==resu[j-1]?0:1)); //修改一位
dp[i][j]=Math.min(dp[i][j], dp[i][j-1]+1); //增加一位
dp[i][j]=Math.min(dp[i][j], dp[i-1][j]+1); //删除一位
}
}
System.out.println(dp[s.length][resu.length]);
}
}
}