【BZOJ 4892】DNA

最新推荐文章于 2020-03-09 18:22:53 发布

_tan45

最新推荐文章于 2020-03-09 18:22:53 发布

阅读量243

点赞数

分类专栏：字符串

本文链接：https://blog.csdn.net/C20181503csy/article/details/102330257

版权

字符串专栏收录该内容

6 篇文章 0 订阅

订阅专栏

~~又一个DNA~~

【题意】

加里敦大学的生物研究所，发现了决定人喜不喜欢吃藕的基因序列S，有这个序列的碱基序列就会表现出喜欢吃藕的性状，但是研究人员发现对碱基序列S，任意修改其中不超过3个碱基，依然能够表现出吃藕的性状。现在研究人员想知道这个基因在DNA链S0上的位置。所以你需要统计在一个表现出吃藕性状的人的DNA序列S0上，有多少个连续子串可能是该基因，即有多少个S0的连续子串修改小于等于三个字母能够变成S。
字符串长度 $\leq 10^5$

【分析】

发现我们需要关注的不同位置最多只有三个。也就是说S在S0中最多被分为4段。那么我们只需要判断：对于所有连续的子串，给它们三次机会，能否成功与S匹配。
不难把这个问题转化为求三次最长公共前缀（LCP）。其实可以用后缀数组处理，~~但是我不会。~~
换个思路。发现由于公共前缀的长度满足单调性，于是想到用二分查找，然后判断字符串是否相等即可。我们可以用字符串哈希解决这个问题。
预处理+枚举子串 $O (n)$ ，二分 $O (l o g n)$ ，判断相等 $O (1)$ ，于是时间复杂度为 $O (n l o g n)$

【代码】

/*其实可以模大质数而非自然溢出来降低冲突率，然而常数太大过不了*/
#include<bits/stdc++.h>
#define ll unsigned long long
using namespace std;
const int mn = 100005, v1 = 11, v2 = 13;
char a[mn], b[mn], v[] = {'A', 'C', 'G', 'T'};
ll s1[mn], t1[mn], q1[mn];
ll s2[mn], t2[mn], q2[mn];
int n, m;
inline ll query(int l, int r, ll* s, ll* p) {return s[r] - s[l - 1] * p[r - l + 1];}
inline int getlcp(int p1, int p2)
{
    int l = 1, r = m, ret = 0;
    while(l <= r)
    {
        int mid = (l + r) >> 1;
        if(query(p1, p1 + mid - 1, s1, q1) == query(p2, p2 + mid - 1, t1, q1) && query(p1, p1 + mid - 1, s2, q2) == query(p2, p2 + mid - 1, t2, q2))
            ret = mid, l = mid + 1;
        else
            r = mid - 1;
    }
    return ret;
}
inline bool check(int l)
{
    int r = l + m - 1, now = 1;
    for(int i = 0; i < 3; i++)
    {
        int len = getlcp(l, now);
        now += len + 1; l += len + 1;
        if(now > m) return 1;
    }
    return query(l, r, s1, q1) == query(now, m, t1, q1) && query(l, r, s2, q2) == query(now, m, t2, q2);
}
int main()
{
    int T;
    scanf("%d", &T), q1[0] = q2[0] = 1;
    for(int i = 1; i <= mn - 5; i++)
        q1[i] = q1[i - 1] * v1, q2[i] = q2[i - 1] * v2;
    while(T--)
    {
        scanf("%s%s", a + 1, b + 1);
        n = strlen(a + 1), m = strlen(b + 1);
        for(int i = 1; i <= n; i++)
            for(int j = 0; j < 4; j++)
                if(a[i] == v[j])
                    a[i] = j;
        for(int i = 1; i <= m; i++)
            for(int j = 0; j < 4; j++)
                if(b[i] == v[j])
                    b[i] = j;
        s1[1] = s2[1] = a[1], t1[1] = t2[1] = b[1];
        for(int i = 2; i <= n; i++)
            s1[i] = s1[i - 1] * v1 + a[i], s2[i] = s2[i - 1] * v2 + a[i];
        for(int i = 2; i <= m; i++)
            t1[i] = t1[i - 1] * v1 + b[i], t2[i] = t2[i - 1] * v2 + b[i];
        int ans = 0;
        for(int i = 1; i + m - 1 <= n; i++)
            ans += check(i);
        printf("%d\n", ans);
    }
}