Самая длинная повторяющаяся (k раз) подстрока
Я знаю, что это несколько запутанная тема, но я достиг предела помощи, которую я могу получить от того, на что уже дан ответ.
Это дляРозалинд проект проблемы LREP, Я пытаюсь найти самую длинную k-peated подстроку в строке, и я былпри условии суффикс дерева, что приятно. Я знаю, что мне нужно аннотировать таблицу суффиксов числом выходов из каждого узла, а затем находить узлы с>=k
потомки, и, наконец, найти самые глубокие из этих узлов. В теории я настроен.
Я получил большую помощь от следующих ресурсов (к сожалению, я могу только опубликовать 2):
Найти самую длинную повторяющуюся последовательность в строкеПоиск в глубину (Python)Я могу получить пути от корня до каждого листа, но я не могу понять, как предварительно обработать дерево таким образом, чтобы я мог получить количество потомков от каждого узла. У меня есть отдельный алгоритм, который работает на небольших последовательностях, но он имеет экспоненциальную сложность, поэтому для больших вещей это занимает слишком много времени. Я знаю, что с DFS я должен быть в состоянии выполнить всю задачу в линейной сложности. Чтобы этот алгоритм работал, мне нужно иметь возможность получить самый длинный k-торф из строки длиной ~ 40000 менее чем за 5 минут.
Вот некоторые примеры данных (первая строка:sequence
, вторая линия:k
формат таблицы суффиксов:parent child location length
):
CATACATAC$
2
1 2 1 1
1 7 2 1
1 14 3 3
1 17 10 1
2 3 2 4
2 6 10 1
3 4 6 5
3 5 10 1
7 8 3 3
7 11 5 1
8 9 6 5
8 10 10 1
11 12 6 5
11 13 10 1
14 15 6 5
14 16 10 1
Выход из этого должен бытьCATAC
.
Со следующим кодом (изменено изLiterateProgramsЯ был в состоянии получить пути, но для более длинных последовательностей все еще требуется много времени, чтобы разобрать путь для каждого узла.
#authors listed at
#http://en.literateprograms.org/Depth-first_search_(Python)?action=history&offset=20081013235803
class Vertex:
def __init__(self, data):
self.data = data
self.successors = []
def depthFirstSearch(start, isGoal, result):
if start in result:
return False
result.append(start)
if isGoal(start):
return True
for v in start.successors:
if depthFirstSearch(v, isGoal, result):
return True
# No path was found
result.pop()
return False
def lrep(seq,reps,tree):
n = 2 * len(seq) - 1
v = [Vertex(i) for i in xrange(n)]
edges = [(int(x[0]),int(x[1])) for x in tree]
for a, b in edges:
v[a].successors.append(v[b])
paths = {}
for x in v:
result = []
paths[x.data] = []
if depthFirstSearch(v[1], (lambda v: v.data == x.data), result):
path = [u.data for u in result]
paths[x.data] = path
То, что я хотел бы сделать, это предварительно обработать дерево, чтобы найти узлы, которые удовлетворяютdescendants >= k
Требование до нахождения глубины. Я даже не дошел до того, как собираюсь вычислять глубину. Хотя я предполагаю, что у меня будет некоторый словарь для отслеживания глубины каждого узла в пути, а затем суммы.
Итак, мой первый самый важный вопрос:"Как мне предварительно обработать дерево с потомками?"
Мой второй менее важный вопрос:"После этого, как я могу быстро вычислить глубину?"
Постскриптум Я должен заявить, что этоне домашнее задание или что-то в этом роде. Я просто биохимик, пытающийся расширить свой кругозор с помощью некоторых вычислительных задач.