【题十五】基因序列相似性问题(dna.cpp/c/pas)
师大附中 陈超锐
内存限制256MB 时间限制1s
【题目背景】
最长公共子序列问题是生物信息学中序列比对问题的一个特例。这类问题在分子生物学和模式识别中有广泛应用。其中最主要的应用是测量基因序列的相似性。在演化分子生物学的研究中发现,某个重要的DNA序列片段常出现在不同的物种中。在测量基因序列的相似性时,如果需要特别关一个具体的DNA序列片段,就要考察带有子串包含约束的最长公共子序列问题。
【题目描述】
这个问题可以具体表述如下:给定2个长度分别为m和n的DNA序列X和Y,以及一个长度为p的模式子串P.带有子序列包含约束的最长公共子序列问题就是要找出x和Y的不包含P为其子串的最长公共子序列。
例如,如果给定的DNA序列x和Y分别为X=AATGCCTAGGC,Y=CGATCTGGAC,模式子序列P=TGGC,则子序列ATCTGGC是X和Y的一个无约束的最长公共子序列,而不包含P为其子串的最长公共子序列是ATCTGC(可能不唯一)。
编程任务:找出给定序列X和Y带有不包含子串P约束的最长公共子序列。
【输入格式】(dna.in)
文件的第1行中给出正整数m,n,p,分别表示给定序列X和Y以及模式子串P的长度。m<200,n<200,p<200。接下来的3行分别给出序列X和Y以及模式子串P。
【输出格式】(dna.out)
将计算出的X和Y带有不包含子串P约束的最长公共子序列的长度输出,不存在则长度为0。
【样例输入】
11 10 4
AATGCCTAGGC
CGATCTGGAC
TGGC
【样例输出】
6
【数据范围】
对于20%的数据:0<n,m,p<=10;
对于60%的数据,0<n,m,p<=100
对于100%的数据:0<n,m,p<=200;
一年多没写KMP了各种伤不起……
仅仅是隐约记得pre的含义是(将1-i的后半段与1-pre[i]匹配)
结点好不容易知道std的标程大概咋回事了居然WA
原因是k必须在最内层循环……(想想也是f[i][j]k]更新的f[i+1][j+1][t],t有可能在k前面)
f[i][j][k]自然表示a匹配到i,b匹配到j时,最后几位与模式串p匹配最后(前面不影响)匹配到第k位时的最大匹配长度
#include<cstdio> #include<cstdlib> #include<algorithm> #include<iostream> #include<functional> #include<cstring> #include<cmath> #include<cctype> using namespace std; #define For(i,n) for(int i=1;i<=n;i++) #define Fork(i,k,n) for(int i=k;i<=n;i++) #define Rep(i,n) for(int i=0;i<=n;i++) #define MAXN (200+10) char a[MAXN],b[MAXN],c[MAXN]; int n,m,p; int f[MAXN][MAXN][MAXN]; int pre[MAXN]; void kmp() { pre[0]=-1,pre[1]=0; int j=0; Fork(i,2,p+1) { if(j^-1&&c[i]^c[j+1]) j=pre[j]; pre[i]=++j; } } int main() { freopen("dna.in","r",stdin); freopen("dna.out","w",stdout); scanf("%d%d%d",&n,&m,&p); scanf("%s%s%s",a+1,b+1,c+1); kmp(); memset(f,128,sizeof(f)); f[0][0][0]=0; Fork(i,0,n) Fork(j,0,m) Fork(k,0,p-1) { if (!f[i][j][k]&&k) continue; if (i<n) f[i+1][j][k]=max(f[i+1][j][k],f[i][j][k]); if (j<m) f[i][j+1][k]=max(f[i][j+1][k],f[i][j][k]); if (i<n&&j<m&&a[i+1]==b[j+1]) { int t=k; while (t^-1&&c[t+1]^a[i+1]) t=pre[t]; ++t; f[i+1][j+1][t]=max(f[i+1][j+1][t],f[i][j][k]+1); } } int ans=0; Rep(i,p-1) ans=max(ans,f[n][m][i]); cout<<ans<<endl; return 0; }