算法设计与分析：动态规划（3）-序列联配问题（以算代存）

本文参考UCAS卜东波老师算法设计与分析课程撰写

前言

本文内容承接上一次算法设计与分析：动态规划（2） - 序列联配问题(最优对齐方案)，讲述高级动态规划的内容。

在前文，我们已经解决了求序列联配中最优对齐的问题。但是完成的方案仍有缺陷：内存消耗过大。对于两个字符串$S_m$，$T_n$，我们计算其最优对齐，需要的数组空间是$O(mn)$，这在上面的例子中看不出来，但是如果给我们的不是一个短字符串，而是两篇存储量几十KB的文章，让我们做对齐，可想而知，总的内存占用就是几百MB，如果单个内存更大呢？另一方面，时间上由于算法采用两层for循环计算整个二维数组，但最后我们很可能用不到那些多余的内容（数组的边角部分），这就浪费了很多计算时间。显然，这种解决方案就不适用了。

高级动态规划

动态规划对于最优解的获取有着十分显著的效果，但唯一让人诟病的就是其占用大量的存储空间和许多不必要的计算。而高级动态规划弥补了这一缺陷，其节省了存储空间和运行时间。采用方法是以算代存。

应用分治思想减少空间

计算得分

首先思考一个问题，我们每次计算当前格子的分值，考虑的是其左上角三个格子的内容，其余格子都不做考虑，实际上我们每次计算并不需要完整的二维数组的所有数据，只需下如下两列的数据即可：

一开始，我们初始化第0列（耗费一个数组），当计算第1列的时候，第一个元素-3可以直接初始化得到，对于第一个蓝色框框，左上角三个值都已得到，直接根据递推表达式，得到1，在此基础上进行第二个蓝色框框的计算，以此类推，计算得到前2列的内容

而在计算第2列的内容时，第0列的内容我们已经没必要保存了，因此将第1列的数值保存到前一个数组中，进行下一轮的计算，如下图：

最终我们数组保存的内容只有最后两列，自然就得到了最后的答案4. 我们容易得到该伪代码如下：

上面这个方法也告诉我们，如果只关心最优的分值，只需要O(2n)的空间复杂度即可，n是T的长度

• 回溯得到路径
  上面的方法在计算最终得分上没有问题，但是出现了一个问题，由于最后我们只保存了最后两列，回溯的时候到3，就会发现回溯不动了，因为我们找不到往前的数据了。

  Hirschberg的算法解决了这一问题，它将分治思想应用到了动态规划当中。我们依然从多步决策的角度思考，S如何从T一步步产生？应用分治的思想，我们将S分成两部分，前半部分从T的前一部分产生，后半部分从T的后一部分产生，得到公式如下：
  $$OPT(T,S)=OPT(T[1..q],S[1..\frac{n}{2}])+OPT(T[q+1..m],S[\frac{n}{2}+1..n])$$

  这个公式将S一分为二，它认为S的前半截是从T[1…q]产生的，后半截是T[q+1…m]产生的，q是一个未知量。注意，此式成立的前提是打分是线性加和的。

从后缀匹配到前缀匹配

这里我们需要先了解一个信息，之前我们对S，T动态规划计算是从后往前的，实际上我们从前往后对比计算也是可以的，只不过是把原公式中-1（坐标前移）的操作换成+1（坐标后移）即可。下面是采用前缀匹配得到结果的例子：

可以看到先对“O”进行递归查询，这部分的内容与上一篇类似，不多赘述，有遗忘的可以回去翻看一下上一篇的推导。、

前面我们应用了分治思想，将S分成两部分，那么我们就可以分别对前半部分采用后缀匹配，后半部分采用前缀匹配，并且只用两个数组存储中间结果，如下：

注意图中灰色部分的结果，它们是匹配过后的得分结果，也就是“OCUR”和“OCCURRENCE”最终最优匹配分值是-14，“RANCE”和“OCCURRENCE”最终最优匹配分值是-12。我们将这两列的结果加起来，得到中间黄色列的结果，发现中间得到了之前计算的最优分值4！它是由1+3得到的。1是“OCUR”和“OCCUR“相似度，3是”RANCE“和”RENCE“相似度，由于我们采用线性加和得分，1+3的结果就是S与T的相似度！等一下，那这个4出现的位置有什么意义呢？看下面这张图：

我们发现4将左右分成了上下两部分，而这里的R正好就是q的位置。我们由此可以得到原公式第一次分治如下：
$$OPT{(}^{}$$