题意:已知两段基因序列,求这两段基因序列的最大相似度。由于基于只由ACGT组成,而且缺省的基因可以用字符“-”来代替,已知任意两个基因的相似度表(包括-),求两段 基因的最大相似度。由于两段基因可能丢失了个别基因,使得长度不等,可以通过补充字符"-",但是进行比较时,两段基因不能在同一个位置都为“-”。
基因序列相似度表
样例:
7 AGTGATG 5 GTTAG这两段基因的通过添加“-”字符达到的最大相似度为
AGTGATG
- GTTA -G
(-3)+5+5+(-2)+5+(-1) +5=14
题解:
一、拿到这个题目,虽然知道是需要用动态规划解决,但是自己就是不知道如何设置状态和状态转移方程。自己唯一想到的解法就是dfs,在求遍历每个位置的时候,我们有三种比较状态,假设序列1遍历到第i个字符,序列2遍历到第j个字符,即
- 第一个序列使用第i个字符,第二个序列使用第j个字符
- 第一个序列使用第i个字符,第二个序列补充字符“-”
- 第一个序列补充字符“-”,第二个序列使用第j个字符
当变量到第一个序列的第i个字符,第二个序列的第j个字符时,都得枚举上面的三种情况,直到两个序列都到达末尾。
由于每个位置都有3种扩展方法,假设序列1长度为n1,序列2长度为n2,时间复杂度为O(3^(n1+n2))(貌似错了,大牛指点),这种暴搜的方法肯定会超时的。
代码如下:
#include <stdio.h>
#include <string.h>
#define MAXLEN 101
enum gene{A, C, G, T};
int score_matrix[5][5] =
{
{5, -1, -2, -1, -3},
{-1, 5, -3, -2, -4},
{-2, -3, 5, -2, -2},
{-1, -2, -2, 5, -1},
{-3, -4, -2, -1, 0}
};
int max_score;
int convertCharToInteger(char c)
{
switch (c)
{
case 'A':
return 0; break;
case 'C':
return 1; break;
case 'G':
return 2; break;
case 'T':
return 3; break;
default:
return 4;
}
}
void dfs(char *str1, char *str2, int len1, int len2, int i, int j, int sum)
{
if (i == len1 && j == len2)
{
//printf("%d\n", sum);
if (max_score < sum)
max_score = sum;
return ;
}
//enum gene gene1 = str1[i];
//enum gene gene2 = str2[j];
int gene1 = convertCharToInteger(str1[i]);
int gene2 = convertCharToInteger(str2[j]);
if (j < len2)
{
sum += score_matrix[4][gene2];
dfs(str1, str2, len1, len2, i, j+1, sum);
sum -= score_matrix[4][gene2];
}
if (i < len1)
{
sum += score_matrix[gene1][4];
dfs(str1, str2, len1, len2, i+1, j, sum);
sum -= score_matrix[gene1][4];
}
if (i < len1 && j < len2)
{
sum += score_matrix[gene1][gene2];
dfs(str1, str2, len1, len2, i+1, j+1, sum);
sum -= score_matrix[gene1][gene2];
}
}
int main(void)
{
int i;
int t;
scanf("%d", &t);
while (t--)
{
char str1[MAXLEN];
char str2[MAXLEN];
int len1;
int len2;
scanf("%d %s", &len1, str1);
scanf("%d %s", &len2, str2);
max_score = -1000;
dfs(str1, str2, len1, len2, 0, 0, 0);
printf("%d\n", max_score);
}
return 0;
}
二、其实这题的题目原型跟LCS(最长公共子序列)很像,都是给定两个字符串序列,然后让你通过一定的组合(在某些地方添加“-”)来得到一个最大值,LCS是为了得到一个最长的串,本题是为了得到一个最大的相似度。
这里先表示一下两个子串
sequence1:X(x1 x2 x3 .... xM)
sequence2:Y(y1 y2 y3 .... yN)
回想一下LCS的dp解法
dp[m][n]表示序列1的前m个字符和序列2的前n个字符的能够达到的最大的公共子序列的长度
dp[m-1][n-1] + 1 xm-1 == yn-1
dp[m][n] =
max( dp[m][n-1], dp[m-1][n] ) xm-1 =/= yn-1
本题也可设置和LCS同样的dp状态
用dp[m][n]表示序列1的前m个字符和序列2的前n个字符进行匹配可以达到的最大相似度
有了上面的dp状态,写出转移方程也就容易多了,无非就是将解法1的暴搜3中状态转化为dp形式
①如果xm==yn
很简单,dp[m][n] = dp[m-1][n-1] + score(xm,yn);
②如果xm=/=yn
为了得到dp[m][n],我们可以通过3种状态进行转化过来
1、xm和yn直接进行匹配dp[m-1][n-1] + score(xm,yn)
2、xm和“-”匹配 dp[m-1][n] + score(xm, -)
3、“-”和yn匹配 dp[m][n-1] + score(-, yn)
然后取上述三种情况的最大值即可
discuss里有人证明,证明过程和LCS相似
代码
#include <stdio.h>
#include <string.h>
#define MAXLEN 101
int score_matrix[5][5] =
{
{5, -1, -2, -1, -3},
{-1, 5, -3, -2, -4},
{-2, -3, 5, -2, -2},
{-1, -2, -2, 5, -1},
{-3, -4, -2, -1, 0}
};
int dp[MAXLEN][MAXLEN];
int max_score;
int convertCharToInteger(char c)
{
switch (c)
{
case 'A':
return 0; break;
case 'C':
return 1; break;
case 'G':
return 2; break;
case 'T':
return 3; break;
default:
return 4;
}
}
int sovle(char *str1, int len1, char *str2, int len2)
{
int i;
int j;
dp[0][0] = 0;
for (i = 1; i <= len1; i++)
dp[i][0] = dp[i-1][0] + score_matrix[convertCharToInteger(str1[i-1])][4];
for (j = 1; j <= len2; j++)
dp[0][j] = dp[0][j-1] + score_matrix[4][convertCharToInteger(str2[j-1])];
for (i = 1; i <= len1; i++)
{
for (j = 1; j <= len2; j++)
{
int index1 = convertCharToInteger(str1[i-1]);
int index2 = convertCharToInteger(str2[j-1]);
if (index1 == index2)
dp[i][j] = dp[i-1][j-1] + score_matrix[index1][index2];
else
{
int value1 = dp[i-1][j] + score_matrix[index1][4];
int value2 = dp[i][j-1] + score_matrix[4][index2];
int value3 = dp[i-1][j-1] + score_matrix[index1][index2];
dp[i][j] = value1 > value2 ? value1 : value2;
dp[i][j] = value3 > dp[i][j] ? value3 : dp[i][j];
}
}
}
return dp[len1][len2];
}
int main(void)
{
int i;
int t;
scanf("%d", &t);
while (t--)
{
char str1[MAXLEN];
char str2[MAXLEN];
int len1;
int len2;
scanf("%d %s", &len1, str1);
scanf("%d %s", &len2, str2);
printf("%d\n", sovle(str1, len1, str2, len2));
}
return 0;
}