Question

所以我之前尝试过这个问题，但我想我对自己所寻找的内容并不是很清楚。我正在制作一个最佳的字符串对齐算法it's really just a dynamic programming problem。所以我决定递归地写它。该计划由两部分组成：

查找两个单词之间的“编辑距离”，根据某些相关费用最小化对齐。例如，对齐相同的字母为0，对齐两个元音的成本为0.5，但将字母与间隙对齐则为1。
可视化对齐：即将字符串放在彼此的顶部，使字符和间隙保持最佳对齐。

我认为我的编辑距离有效。我得到了与同龄人相同的价值观，似乎没有直接的问题。但是，我很难弄清楚如何恢复匹配，插入和删除的序列以显示对齐。我的问题来自于我有一个递归函数，它至少需要三次递归调用。因此，我最终得到的序列比必要的长，因为每个递归调用都会附加一个“移动”（匹配，插入，删除），这可能不会被使用，因为它不是最便宜的。

这是我的代码：

newseq = []
@memoize
def opt(a, b):
    global newseq # Visual Alignment 'move' sequence
    gap = 1 # Gap cost
    if not a: 
        return len(b)
    if not b: 
        return len(a)

    if a and b:
        p1 = a[0] in v   # First letters vowells?
        p2 = b[0] in v   
        if a[0] == b[0]: # First letters equal each other?
            alpha = 0
        elif p1 ^ p2:    # Vowel and Consonant?
            alpha = 1.2
        elif p1 and p2:  # Vowel and Vowel?
            alpha = 0.5
        else:            # Consonant and Consonant?
            alpha = 0.6

    r1 = opt(a[1:], b[1:]) + alpha
    r2 = opt(a[1:], b) + gap
    r3 = opt(a, b[1:]) + gap
    # Reset newseq
    newseq = newseq[:-3]

    # Takes min of recursive calls, and gives associated 'move'
    res = min((r1, 'Match'),      # Match
              (r2, 'Insertion'),  # Insertion
              (r3, 'Deletion'),   # Deletion
              key = lambda x: x[0])

    newseq.append(res[1])
    return res[0]

所以，是的，我知道我所拥有的不起作用。我的全局newseq变量当前长度为1，因为我尝试通过删除递归调用期间发生的所有追加来重置它。 如何设置一种方法来记录构成使用此递归算法的最佳对齐的“移动”序列？

编辑：这是我的memoize装饰器功能：

def memoize(f):
    cache = {}
    def decorated_function(*args):
        if args in cache:
            return cache[args]
        else:
            cache[args] = f(*args)
            return cache[args]
    return decorated_function

Answer 1

1）通过递归函数传递Stack（或其他集合）作为参数。

2）当你递归地调用自己时，也要将你正在采取的步骤推到堆栈上（例如使用步骤类型的枚举和ints / chars / strings /表示它正在做什么）。

3）当您从2）中的呼叫返回时，弹出堆栈并重复2）。

4）当您有解决方案时，您可以存储与其结果/分数相关联的堆栈。

通过递归调用查找路径：最佳字符串对齐

1 个答案: