题目要求：
小U是一位古生物学家，正在研究不同物种之间的血缘关系。为了分析两种古生物的血缘远近，她需要比较它们的DNA序列。DNA由四种核苷酸A、C、G、T组成，并且可能通过三种方式发生变异：添加一个核苷酸、删除一个核苷酸或替换一个核苷酸。小U认为两条DNA序列之间的最小变异次数可以反映它们之间的血缘关系：变异次数越少，血缘关系越近。
你的任务是编写一个算法，帮助小U计算两条DNA序列之间所需的最小变异次数。
dna1: 第一条DNA序列。 dna2: 第二条DNA序列。
测试样例：
样例1：
输入：dna1 = "AGT",dna2 = "AGCT" 输出：1
样例2：
输入：dna1 = "AACCGGTT",dna2 = "AACCTTGG" 输出：4
样例3：
输入：dna1 = "ACGT",dna2 = "TGC" 输出：3
样例4：
输入：dna1 = "A",dna2 = "T" 输出：1
样例5：
输入：dna1 = "GGGG",dna2 = "TTTT" 输出：4
题目难度：
中等
解题语言：
python
解题思路：
这个问题可以通过动态规划来解决，因为我们需要计算两条DNA序列之间的最小变异次数。我们可以使用一个二维数组dp来存储中间结果，其中dp[i][j]表示dna1的前i个字符和dna2的前j个字符之间的最小变异次数。
那么如何用上一段中提到的动态规划来解决这个问题？
其关键点在于首先要初始化：设置边界条件，处理空序列的情况：当dna1为空时，dp[0][j]表示将空序列变为dna2的前j个字符所需的最小变异次数，显然是j次插入操作。 当dna2为空时，dp[i][0]表示将dna1的前i个字符变为空序列所需的最小变异次数，显然是i次删除操作。
其次进行状态转移：根据当前字符是否相等，选择最小的变异操作：如果dna1[i-1] == dna2[j-1]，则dp[i][j] = dp[i-1][j-1]，因为不需要变异。 否则，dp[i][j]可以通过以下三种操作的最小值得到：
最后得出结果：返回最终的dp数组中的值，即dp[len(dna1)][len(dna2)]。
方法步骤：
1.初始化：创建一个二维数组dp，大小为(len(dna1) + 1) x (len(dna2) + 1)。
2.边界条件：dp[0][j]表示dna1为空时，需要j次插入操作将dna1变为dna2的前j个字符。
dp[i][0]表示dna2为空时，需要i次删除操作将dna1的前i个字符变为dna2。
3.状态转移： 如果dna1[i-1] == dna2[j-1]，则dp[i][j] = dp[i-1][j-1]，因为不需要变异。
否则，dp[i][j]可以通过以下三种操作的最小值得到：
插入：dp[i][j-1] + 1
删除：dp[i-1][j] + 1
替换：dp[i-1][j-1] + 1
解答代码：
def solution(dna1, dna2):
# 初始化dp数组
dp = [[0] * (len(dna2) + 1) for _ in range(len(dna1) + 1)]
# 边界条件
for i in range(1, len(dna1) + 1):
dp[i][0] = i
for j in range(1, len(dna2) + 1):
dp[0][j] = j
# 状态转移
for i in range(1, len(dna1) + 1):
for j in range(1, len(dna2) + 1):
if dna1[i-1] == dna2[j-1]:
dp[i][j] = dp[i-1][j-1]
else:
dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1
# 返回结果
return dp[len(dna1)][len(dna2)]
if __name__ == "__main__":
# 你可以添加更多测试用例
print(solution("AGT", "AGCT") == 1)
print(solution("", "ACGT") == 4)
print(solution("GCTAGCAT", "ACGT") == 5)
