Superstring común más corto: encuentre la cadena más corta que contenga todos los fragmentos de cadena dados


12

Dados algunos fragmentos de cadena, me gustaría encontrar la cadena única más corta posible ("cadena de salida") que contenga todos los fragmentos. Los fragmentos pueden superponerse entre sí en la cadena de salida.

Ejemplo:

Para los fragmentos de cadena:

BCDA
AGF
ABC

La siguiente cadena de salida contiene todos los fragmentos y se realizó mediante un agregado ingenuo:

BCDAAGFABC

Sin embargo, esta cadena de salida es mejor (más corta), ya que emplea superposiciones:

ABCDAGF
^
ABC
 ^
 BCDA
    ^ 
    AGF

Estoy buscando algoritmos para este problema. No es absolutamente importante encontrar la cadena de salida estrictamente más corta, pero cuanto más corta, mejor. Estoy buscando un algoritmo mejor que el ingenuo obvio que intentaría agregar todas las permutaciones de los fragmentos de entrada y eliminar las superposiciones (que parece ser NP-Complete).

Empecé a trabajar en una solución y está resultando bastante interesante; Me gustaría ver qué podrían hacer otras personas. Agregaré mi trabajo en progreso a esta pregunta en un momento.


3
El problema parece ser NP-completo. Si es así, no podrá encontrar un algoritmo polinómico para determinar la cadena más corta, pero puede haber algoritmos polinómicos que brinden soluciones aproximadas (no las más cortas posibles).
SuperM

3
Esta publicación de blog sobre NP-Complete es agradable: codinghorror.com/blog/2008/11/…
occulus

El blog es realmente agradable, lo leo todo el tiempo)))
superM

@superM esto es lo suficientemente similar al vendedor ambulante (cada secuencia una ciudad y cuestan entre ciudades = algún número solapamiento)
monstruo de trinquete

@ratchet freak, es _ podrías dar un pequeño costo entre ciudades si tienen letras más comunes, y el mayor costo cuando no tienen ninguna letra común
superM

Respuestas:


14

Lo que está preguntando es sobre el problema de Superstring más corto, para el cual no existe un algoritmo que funcione para todos los casos. Pero es un problema común (en compresión y secuenciación de ADN) y se conocen varios algoritmos de aproximación.

Los algoritmos "codiciosos" son generalmente aceptados como los más efectivos (ya que tienen el peor de los casos menos malo).

Lea el documento Algoritmos de aproximación para el problema de supercuerda común más corto de Jonathan Turner para obtener más información.



Hmm, tenga en cuenta que el primer enlace en mi comentario justo arriba aborda las supersecuencias y no las supercadenas. Una supersecuencia no parece requerir que todos los caracteres de una secuencia sean contiguos.
oculto

Tu enlace está muerto.
Majid
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.