问题背景
DNA序列比对是生物信息学的重要课题。一个常见问题是如何计算两个DNA序列的最小编辑距离，即从一个字符串转化为另一个字符串所需的最少操作数。这些操作包括插入、删除和替换字符。
在这篇文章中，我们将通过一道典型的编辑距离问题，探讨动态规划在字符串问题中的应用，并结合代码实现和实际分析，深入理解其解题思路和优化方法。
问题描述
我们需要计算两个DNA序列 dna1 和 dna2 的编辑距离，支持以下三种操作：
- 插入一个字符；
- 删除一个字符；
- 替换一个字符。
示例：
- 输入：
dna1 = "AGCT", dna2 = "TG"
输出：3
解析：需要 3 步操作完成转化，例如"AGCT" -> "GCT" -> "GT" -> "TG"。 - 输入：
dna1 = "AACCGGT", dna2 = "AACCTTG"
输出：4
解析：两次替换操作即可将序列匹配。
解题思路
这道题典型的解法是动态规划（Dynamic Programming, DP）。动态规划通过定义状态和转移方程，将问题分解为更小的子问题，逐步递推得到最终答案。
1. 状态定义
设二维数组 dp[i][j] 表示将 dna1 的前 i 个字符转换为 dna2 的前 j 个字符所需的最少编辑步数。
2. 初始化
- 当
i=0时，dp[0][j] = j，因为将空字符串转换为长度为j的字符串需要插入j个字符。 - 当
j=0时，dp[i][0] = i，因为将长度为i的字符串转换为空字符串需要删除i个字符。
3. 状态转移方程
- 如果
dna1[i-1] == dna2[j-1]：当前字符相同，无需操作，dp[i][j] = dp[i-1][j-1]。 - 如果
dna1[i-1] != dna2[j-1]：当前字符不同，需进行插入、删除或替换操作，取三种操作的最小值： dp[i][j]=min(dp[i−1][j]+1,dp[i][j−1]+1,dp[i−1][j−1]+1)dp[i][j] = \min(dp[i-1][j] + 1, dp[i][j-1] + 1, dp[i-1][j-1] + 1)dp[i][j]=min(dp[i−1][j]+1,dp[i][j−1]+1,dp[i−1][j−1]+1)
4. 结果
dp[m][n] 即为从 dna1 转化为 dna2 的最少编辑步数，其中 m 和 n 分别是两个字符串的长度。
代码实现
def solution(dna1, dna2):
m, n = len(dna1), len(dna2)
dp = [[0] * (n + 1) for _ in range(m + 1)]
# 初始化边界条件
for i in range(m + 1):
dp[i][0] = i
for j in range(n + 1):
dp[0][j] = j
# 填充 dp 数组
for i in range(1, m + 1):
for j in range(1, n + 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] + 1, dp[i][j - 1] + 1, dp[i - 1][j - 1] + 1)
return dp[m][n]
# 测试案例
print(solution("AGCT", "TG")) # 输出: 3
print(solution("AACCGGT", "AACCTTG")) # 输出: 4
优化思考
1. 空间优化
当前代码使用二维数组存储 DP 状态。实际上，只需存储当前行和上一行的状态即可优化空间复杂度至 O(n)O(n)O(n)。
2. 其他拓展
编辑距离的变种包括：
- 最长公共子序列（LCS） ：在编辑距离中，只考虑插入和删除操作。
- 拼写检查器：基于编辑距离判断两个单词的相似度。
学习建议：
- 在刷题时，注重总结动态规划问题的状态定义和递推关系。
- 利用 AI 工具（如 MarsCode）进行代码分析和调试，弥补薄弱点。
希望这篇文章能为大家的学习提供帮助，期待与大家交流更多心得！
