多序列比对（最长公共子序列）？

Question

好的，这就是我想要做的事情：

获取两个以上的字符串并“对齐”它们（没有DNA / RNA序列等，只是常规字符串，每个字符串不包含1000个项目）

我已经完成了成对对齐（对齐两个字符串）的一些工作，但是当尝试对齐多个对时，“间隙”会给我带来一些问题。

示例（我正在测试的一个）：

ABCDEF
ABGHCEEF
AJKLBCDYEOF

AB--CDEF
ABGHCEEF
=======================
AB--C-EF

A-B--C--E-F
AJKLBCDYEOF
=======================
A----C--E-F

另一个（更具说明性）的例子：

http://nest.drkameleon.com
http://www.google.com
http://www.yahoo.com

http://nest.drkameleon.com
http://-www.--google--.com

=======================
http://----.------le--.com

http://----.------le--.com
http://-www.-----yahoo.com

=======================
http://----.----------.com

我目前正在做的事情：

• 对字符串进行排序（较长的字符串在列表中排在第一位）
• 对齐第一对：A-B并得到结果（让我们说R1）
• 然后对齐第二对：R1和C（结果为R2）
• 然后对齐第三对：R2和D
• 依旧......

那么你的想法是什么？我怎么能这样做？有没有更好的办法？ （当然，必须有...）

我宁愿在Perl / Python中执行此操作，也可以使用这些内容，但是任何类型的代码/引用都会受到欢迎！ ： - ）

Answer 1

我认为您可以将此问题转换为更常规的字符串 diff 问题，而不是字符串 alignment 。考虑如何使用GNU diff来查找两个文件之间的差异，并使用与用于执行N路diff的算法相同的算法。

我不确定这种方法的时间/内存复杂性是否适合您的需求，但您至少可以这样思考问题。

Answer 2

有一种基于Levenshtein算法的算法来计算最长的公共序列，并带有可选的空格。不确定这是否有帮助。