POJ 2778 DNA Sequence

最新推荐文章于 2021-03-22 22:58:59 发布
最新推荐文章于 2021-03-22 22:58:59 发布
阅读量549 收藏
点赞数
分类专栏： POJ ###### 字符串 ####### - AC自动机 文章标签： AC自动机 矩阵快速幂 大数取模 离散化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013569656/article/details/23939537
版权

题目大意：

        众所周知DNA序列只含A、T、C、G四种基因，这种情况很利于科学分析基因密码和疾病缘由，在疾病控制领域，比如一种动物基因序列中含有ATC序列则表示该动物可能会得基因疾病，则这种基因片段则成为病变片段，现在科学家就找到了几种这样的病变片段，现在的问题是如何求出不含这些病变片段的所有可能基因序列。

        现只有一个测例，测例中指定m条病变片段（0 ≤ m ≤ 10），以及该种动物DNA序列的长度n（1 ≤ n ≤ 2,000,000,000），接着会给出每条病变片段序列，所有序列都是由A、T、C、G组成，现求出长度为n的所有不含这些病变片段的DNA序列的总数，由于最终结果可能很大，因此结果模除100,000后再输出。

题目链接

注释代码：

/*     
 * Problem ID : POJ 2778 DNA Sequence
 * Author     : Lirx.t.Una     
 * Language   : C++    
 * Run Time   : 313 ms     
 * Run Memory : 196 KB     
*/

#include <iostream>
#include <cstring>
#include <cstdio>
#include <queue>

//思路：
//1. 用病变基因构造AC自动机（对所有病变单词结尾进行标记，被标记的状态就成为病变状态）
     //这就表示在用AC自动机生成长度为n的句子时一路上绝对不能经过病变状态，如果经过
     //病变状态的话就代表最后生成的句子中一定含有病变片段，如此一来只要想方设法去掉病变
     //状态来重新构造AC自动机就行了
	 //而实际上不用那么复杂，也不需要重新构造新的AC自动机，而使用矩阵快速幂就可以使问题
     //迎刃而解
//2. 在stat数组中剔除所有病变状态而得到sz个合法状态（离散化），并对所有合法状态标号1 ~ sz（sz也就
     //是矩阵的宽度了，然后考察以每个状态为左部的产生式，假设其中有这样两个产生式：
     //i -(C)-> j，i -(G)-> j，由于每条产生式都表示1步推导，因此这里就表示由i号状态到j号
     //状态走1步的话有两种方法，一种是经过C到j，另一种是经过G到j，然后将任意i->j走一步的
     //方法数初始化的矩阵m中，即m[i][j]初始化成状态i到状态j走1步的方法数，当然初始状态一定
     //不是病变状态，并且将初始状态设为1号状态
//3. 求a = m^n（使用矩阵快速幂），初始化后，如果m = m × m，则结果中m[i][j]就表示从i号状态
	 //到j号状态走两步的方法数了
     //依此类推m = m ^ n后，结果中m[i][j]就表示从i号状态到j号状态走n步的方法数了，由于病变状态
     //不在矩阵中，因此最终结果一定不包含病变状态数
//4. 结果a中，a[1][i]就表示从1号状态（也就是初始状态）到i号走n步的方法数，那么∑(a[1][i])就是
     //最终答案了

//模除因子
#define	MOD		100000

//gene number
//基本基因的数量
//就A、T、C、G 4种
#define	GEN			4
//maximum disease segment length
//病变片段的最大长度
#define	MAXDSEGLEN	11
//maximum number of state
//状态数
#define	MAXSTATN	45

using namespace std;

typedef	__int64		llg;
typedef	int (*MAT)[MAXSTATN];//矩阵类型

struct	Node {

	//为每种状态赋予一个id号
	//再构造自动机时表示单词结尾
	//在利用自动机产生句子的时候将被更新成合法状态的标号
	int		id;
	int		out[GEN];
	int		fail;
};

char	ds[MAXDSEGLEN];//disease segment，存放病变片段

Node	stat[MAXSTATN];
int		tsn;

queue<int>		q;

//main matrix，主矩阵
//初始时存放各个状态之间经一步转换的方法数
int		m[MAXSTATN][MAXSTATN];
//temporary matrix
//临时矩阵，在做矩阵乘法时用于存放中间值
int		t[MAXSTATN][MAXSTATN];
//answer matrix
//答案矩阵，a[i][j]表示从i状态到j状态走n步的方法数
int		a[MAXSTATN][MAXSTATN];
int		sz;//size，矩阵的大小，即宽度

int
xlat(char c) {//translate
	//将基因字母转化为响应的数组下标

	switch (c) {
	
		case 'A' : return 0;
		case 'T' : return 1;
		case 'C' : return 2;
		default  : return 3;
	}
}

void
insert(char *w) {//trie树插入

	int		s;
	int		g;//gene，当前输入字母

	s = 0;
	while ( *w ) {
	
		g = xlat( *(w++) );

		if ( !stat[s].out[g] ) {
		
			stat[s].out[g] = ++tsn;
			s = tsn;

			continue;
		}

		s = stat[s].out[g];
	}

	stat[s].id = ~0;//单词结尾用-1表示（即每一位都是1的数），即表示病变状态
}

void
bd_AC_auto(void) {

	int		s, ss;//当前状态和当前状态推出的子状态
	int		r, rr;//fail指针回溯状态，以及回溯状态推出的子状态
	int		g;//gene，即自动机的当前弧

	for ( g = 0; g < GEN; g++ )
		if ( ss = stat[0].out[g] )
			q.push(ss);

	while ( !q.empty() ) {
	
		s = q.front();
		q.pop();

		for ( g = 0; g < GEN; g++ )
			if ( ss = stat[s].out[g] ) {
			
				r = s;
				while ( r = stat[r].fail )
					if ( rr = stat[r].out[g] ) {
					
						stat[ss].fail  = rr;
						//注意每连上一个fail指针就得
						//更新一下其id号（此时id表示单词结尾）
						//下面这句和这里的if语句等价，只不过更加简洁和快捷
						//if ( stat[rr].id == -1 )
						//	stat[ss].id = -1;
						stat[ss].id   |= stat[rr].id;

						break;
					}

				if ( !r )
					if ( rr = stat[0].out[g] ) {
					
						stat[ss].fail  = rr;
						stat[ss].id   |= stat[rr].id;
					}
					else
						stat[ss].fail = 0;

				q.push(ss);
			}
			else//注意！！！这里使用自动机产生句子而不是用自动机扫描句子
				//因此为了达到指定长度的句子，在产生句子的时候不能中断
				//所以要将空的out连到s的fail.out上
				//这样就仿佛在用自动机扫描句子，只要句子不结束，句子就在不停地
				  //向后扫描
				stat[s].out[g] = stat[ stat[s].fail ].out[g];
	}
}

void
setm(MAT m) {//set main matrix
	//初始化主矩阵
	//即离散化

	int		s;
	int		i, j;//i, j都为健康状态的id号
	int		g;

	sz = 0;
	for ( s = 0; s <= tsn; s++ )//剔除所有病变状态
		if ( !stat[s].id )
			stat[s].id = ++sz;//赋予每个健康状态一个id号，其中初始状态id一定是1
		//最终sz也是健康状态的总数

	for ( s = 0; s <= tsn; s++ )//用健康状态来初始化主矩阵
		if ( ( i = stat[s].id ) != ~0 )
			for ( g = 0; g < GEN; g++ )
				if ( ( j = stat[ stat[s].out[g] ].id ) != ~0 )
					m[i][j]++;//统计i号到j号走1步的走法总数
}

void
mul( MAT m1, MAT m2 ) {//矩阵乘法
	//结果覆盖到m1中

	int		i, j, k;

	memset(t, 0, sizeof(t));

	for ( i = 1; i <= sz; i++ )
		for ( k = 1; k <= sz; k++ )
			if ( m1[i][k] )
				for ( j = 1; j <= sz; j++ ) {
				
					//注意大数模除
					t[i][j] += (int)( (llg)m1[i][k] * (llg)m2[k][j] % (llg)MOD );
					t[i][j] %= MOD;
				}

	memcpy(m1, t, sizeof(t));
}

int
fstpow( MAT m, int n, MAT a ) {//矩阵快速幂
	//a=m^n

	int		i;
	int		ans;

	for ( i = 1; i <= sz; i++ )
		a[i][i] = 1;

	while ( n ) {
	
		if ( n & 1 )
			mul( a, m );

		mul( m, m );
		n >>= 1;
	}

	for ( ans = 0, i = 1; i <= sz; i++ )
		ans += a[1][i];

	return ans % MOD;
}

int
main() {

	int		dm, n;//病变片段数和DNA的总长度
	int		i;
	int		ans;

	scanf("%d%d", &dm, &n);
	tsn = 0;
	while ( dm-- ) {
	
		scanf("%s", ds);
		insert(ds);
	}
	bd_AC_auto();
	setm(m);

	printf("%d\n", fstpow( m, n, a ));

	return 0;
}

无注释代码：

#include <iostream>
#include <cstring>
#include <cstdio>
#include <queue>

#define	MOD		100000

#define	GEN			4
#define	MAXDSEGLEN	11
#define	MAXSTATN	45

using namespace std;

typedef	__int64		llg;
typedef	int (*MAT)[MAXSTATN];

struct	Node {

	int		id;
	int		out[GEN];
	int		fail;
};

char	ds[MAXDSEGLEN];

Node	stat[MAXSTATN];
int		tsn;

queue<int>		q;

int		m[MAXSTATN][MAXSTATN];
int		t[MAXSTATN][MAXSTATN];
int		a[MAXSTATN][MAXSTATN];
int		sz;

int
xlat(char c) {

	switch (c) {
	
		case 'A' : return 0;
		case 'T' : return 1;
		case 'C' : return 2;
		default  : return 3;
	}
}

void
insert(char *w) {

	int		s;
	int		g;

	s = 0;
	while ( *w ) {
	
		g = xlat( *(w++) );

		if ( !stat[s].out[g] ) {
		
			stat[s].out[g] = ++tsn;
			s = tsn;

			continue;
		}

		s = stat[s].out[g];
	}

	stat[s].id = ~0;
}

void
bd_AC_auto(void) {

	int		s, ss; 
	int		r, rr;
	int		g;

	for ( g = 0; g < GEN; g++ )
		if ( ss = stat[0].out[g] )
			q.push(ss);

	while ( !q.empty() ) {
	
		s = q.front();
		q.pop();

		for ( g = 0; g < GEN; g++ )
			if ( ss = stat[s].out[g] ) {
			
				r = s;
				while ( r = stat[r].fail )
					if ( rr = stat[r].out[g] ) {
					
						stat[ss].fail  = rr;
						stat[ss].id   |= stat[rr].id;

						break;
					}

				if ( !r )
					if ( rr = stat[0].out[g] ) {
					
						stat[ss].fail  = rr;
						stat[ss].id   |= stat[rr].id;
					}
					else
						stat[ss].fail = 0;

				q.push(ss);
			}
			else
				stat[s].out[g] = stat[ stat[s].fail ].out[g];
	}
}

void
setm(MAT m) {

	int		s;
	int		i, j;
	int		g;

	sz = 0;
	for ( s = 0; s <= tsn; s++ )
		if ( !stat[s].id )
			stat[s].id = ++sz;

	for ( s = 0; s <= tsn; s++ )
		if ( ( i = stat[s].id ) != ~0 )
			for ( g = 0; g < GEN; g++ )
				if ( ( j = stat[ stat[s].out[g] ].id ) != ~0 )
					m[i][j]++;
}

void
mul( MAT m1, MAT m2 ) {

	int		i, j, k;

	memset(t, 0, sizeof(t));

	for ( i = 1; i <= sz; i++ )
		for ( k = 1; k <= sz; k++ )
			if ( m1[i][k] )
				for ( j = 1; j <= sz; j++ ) {
				
					t[i][j] += (int)( (llg)m1[i][k] * (llg)m2[k][j] % (llg)MOD );
					t[i][j] %= MOD;
				}

	memcpy(m1, t, sizeof(t));
}

int
fstpow( MAT m, int n, MAT a ) {

	int		i;
	int		ans;

	for ( i = 1; i <= sz; i++ )
		a[i][i] = 1;

	while ( n ) {
	
		if ( n & 1 )
			mul( a, m );

		mul( m, m );
		n >>= 1;
	}

	for ( ans = 0, i = 1; i <= sz; i++ )
		ans += a[1][i];

	return ans % MOD;
}

int
main() {

	int		dm, n;
	int		i;
	int		ans;

	scanf("%d%d", &dm, &n);
	tsn = 0;
	while ( dm-- ) {
	
		scanf("%s", ds);
		insert(ds);
	}
	bd_AC_auto();
	setm(m);

	printf("%d\n", fstpow( m, n, a ));

	return 0;
}
__Lirx_t_Una__
关注
专栏目录
poj 2778 DNA Sequence 【AC自动机 + 矩阵加速】
世界很大
10-11 982
DNA Sequence Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 13502   Accepted: 5143 Description It's well known that DNA Sequence is a sequence only contains
poj2778 DNA Sequence
qq_41510496的博客
02-26 178
DNA SequenceTime Limit: 1000MS Memory Limit: 65536KTotal Submissions: 18514 Accepted: 7123DescriptionIt's well known that DNA Sequence is a sequence only contains A, C, T and G, and it's very useful...
POJ 2778 DNA Sequence（AC自动机+矩阵快速幂）
shadiao.的博客
08-10 123
题目链接：http://poj.org/problem?id=2778 TLE： 1.计算矩阵大小请根据具体具体节点数，直接按最大矩阵算会超时 2.取模操作在每一行完成之后再做 解题思路： 我们首先要知道矩阵快速幂可以应用于这样一个场景： 询问一个有n个节点的图，从节点x走k步到节点y有多少种方法？ 构造n*n的矩阵，把所有的边都加到矩阵，比如（i，j）有两条边，a[i][j] =2...
poj 2778 DNA Sequence
glk__'blog
07-24 412
题目传送门 题意： 给出m个DNA序列，求出长度为n的不含上述序列的个数。(0 (1 题解： 首先我们应将DNA序列存入Tire中，之后可以构造一个矩阵A,A[i][j]表示从i节点状态是否可以一步转移到j节点状态。构造方法则很明显：沿着fail指针进行构造，如果它是被标记的序列那么就置为0。所以在BuildFail是要将没有儿子节点通过fail指针指向前面的节点。之后求出A^n求出方案
poj 2778 DNA Sequence (ac自动机+矩阵加速)
ACM之梦
02-27 598
题意： 计算不包含病毒串的串的个数，长度n 题解： 没法用dp啊。矩阵加速，这个应用了矩阵的性质。矩阵n次幂，对应的点ij表示i经过n个节点到j路径的个数。 被各种卡时间啊，结果发现是自己的矩阵乘法写残了。 #include #include #include #include #include #include #include #include #include using name
POJ 2778. DNA Sequence
c4Lnn 的 CSDN 博客
03-22 160
链接 http://poj.org/problem?id=2778 题意 有 mmm (m≤10)(m\le10)(m≤10) 个长度小于等于 101010 的模式串，求长度为 nnn 且不包含这些模式串的字符串有多少个？ 思路 [dpi,0dpi,1⋯dpi,k]=[dpi−1,0dpi−1,1⋯dpi−1,k]∗[a0,0a0,1⋯a0,k⋮⋮⋱⋮ak,0ak,1⋯ak,k]=[a0,0a0,1⋯a0,k⋮⋮⋱⋮ak,0ak,1⋯ak,k]2\begin{bmatrix} dp_{i,0} &
POJ 2778 DNA sequence
weixin_30388677的博客
04-08 84
QAQ 做完禁忌 又做过文本生成器 这道题就是个水题啦 首先转移方程还是文本生成器的转移方程 但是注意到L很大，但是节点数很小 转移都是固定的，所以我们可以用AC自动机来构造转移矩阵 之后进行矩阵乘法就可以了 顺便提一句，模数是10^5,相乘会爆int 我为了省点常数自信开int，结果WA了两发QAQ #include<cstdio> #includ...
POJ2778 DNA Sequence(AC自动机+矩阵快速幂)
riba2534的博客
11-05 536
Description It’s well known that DNA Sequence is a sequence only contains A, C, T and G, and it’s very useful to analyze a segment of DNA Sequence，For example, if a animal’s DNA sequence contai
POJ 2778 DNA Sequence【AC自动机+矩阵快速幂】
智障
08-10 2988
#include #include #include #include #include #include using namespace std; typedef long long ll; struct AC_Automata { #define Nn 102 #define M 4 int ch[Nn][M], val[Nn], f[Nn], last[
poj 1007 DNA Sorting
06-01
You are responsible for cataloguing a sequence of DNA strings (sequences containing only the four letters A, C, G, and T). However, you want to catalog them, not in alphabetical order, but rather in ...
poj 2778 DNA Sequence(AC自动机+矩阵快速幂)
不慌不忙、不急不躁
11-08 1747
题目链接：poj 2778 DNA Sequence 题目大意：给定一些含有疾病的DNA序列，现在给定DNA长度，问有多少种不同的DNA序列是健康的。 解题思路：对DNA片段建立AC自动机，因为最多10个串，每个串最长为10，所以最多可能有100个节点，在长度为n时 以每个节点终止的健康字符串个数形成一个状态集，通过AC自动机形成的边可以推导出n+1的状态集，走到单词节点是
POJ1007 DNA逆序数
一条菜狗的博客
06-29 274
DNA Sorting Time Limit: 1000MS Memory Limit: 10000K Total Submissions: 108156 Accepted: 43326 Description One measure of ``unsortedness'' in a sequence is the number of pairs of entries th...
POJ1007 DNA Sorting中英对照翻译与参考解答
小谷王左的随笔空间
03-07 309
POJ 1007 DNA Sorting中英对照翻译与参考解答
POJ 2185 Milking Grid
源代码
04-14 743
题目大意： 注释代码： 无注释代码： 单词解释：
POJ 2503 Babelfish
源代码
04-17 616
题目大意： 注释代码：   无注释代码： 单词解释：
POJ 3080 Blue Jeans
源代码
04-14 584
题目大意： 注释代码： 无注释代码： 单词解释：
POJ 2774 Long Long Message
源代码
04-19 581
题目大意： 注释代码： 无注释代码： 单词解释：
URAL 1517 Freedom of Choice
源代码
04-20 560
题目大意： 注释代码： 无注释代码： 单词解释： Albania：阿尔巴尼亚，dongou
poj1699 best sequence
最新发布
04-11
这是一道算法题，需要对给定的数列进行操作，使得操作后的数列的最大值最小。具体做法是使用二分查找，找到一个最小的值mid，使得能够通过一些操作将数列中的每个数都变为不大于mid的数。然后再验证是否存在这样一种...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值