习题3-7 DNA序列（DNA Consensus String, ACM/ICPC Seoul 2006, UVa1368）

题目描述：输入m个长度均为n的DNA序列，求一个DNA序列，到所有序列的总Hamming距离尽量
小。两个等长字符串的Hamming距离等于字符不同的位置个数，例如，ACGT和GCGA的
Hamming距离为2（左数第1, 4个字符不同）。
                  输入整数m和n（4≤m≤50, 4≤n≤1000），以及m个长度为n的DNA序列（只包含字母
A，C，G，T），输出到m个序列的Hamming距离和最小的DNA序列和对应的距离。如有多
解，要求为字典序最小的解。例如，对于下面5个DNA序列，最优解为TAAGATAC。
TATGATAC
TAAGCTAC
AAAGATCC
TGAGATAC
TAAGATGT

题目分析：题中引入了Hamming距离的定义，看似要与m个序列比较求最小和十分麻烦，实际上用通俗的语言描述就是：求每个序列的对应位置出现次数的最多的字母，然后输出。题目的描述其实就是这个意思，分别找出每一列哪个元素重复次数最多。输入的m行n列元素用二维数组a存储，为了方便引入另一个数组b，其值为a的'转置'（行和列互换），这样每次需要比较的元素就在一行中，方便放入函数的参数中（因为需要循环多次，故将求重复次数最多的字母的方法放入函数中），因为要计算次数并且求和，于是再引入一个数组q，其中存放的是每一列ACGT出现的次数，注意ACGT对应q[1]q[2]q[3]q[4],即按字典序从小到大的顺序存放，将ACGT按顺序对应起来之后，后面就不用再计算字典序的大小了。次数存放好后，找出数组q中最小的元素对应的下标，注意用从大到小逐个比较，这样小的数优先级在前，即就算有两个元素值相等，较小的也会覆盖之前的，对应到ACGT就是A的会覆盖CGT的，这样就实现了字典序最小，不用再用多余的代码去算字典序。由于还要求最小距离和，故引用传参传入累加量，其值为数组b的列数，也就是DNA序列的个数m减去求出的最大出现次数，之后在函数外累加即可。函数最后就将出现次数对应回字母并返回。

 代码如下：

//TEST
/*5 8
T A T G A T A C
T A A G C T A C
A A A G A T C C
T G A G A T A C
T A A G A T G T
RESULT
TAAGATAC
7
*/
#include <iostream>
using namespace std;
int findmin(char *x,int len,int &y){//注意要传入元素个数确定界限，累加量要用引用传入
    int m=0,n,q[5]={0};
    for(int k=0;k<len;k++)
        switch(x[k]){
            case 'A':
                q[1]++;
                break;
            case 'C':
                q[2]++;
                break;
            case 'G':
                q[3]++;
                break;
            case 'T':
                q[4]++;
                break;
        }

    for(int i=4;i>0;i--)
        if(q[i]>m) {m=q[i];n=i;}//求出出现字数最多的字母，同时计算了其中最小的字典序
    y=len-q[n];//距离累加量
    switch(n){//最后对应回去，返回字符
        case 1:
            return 'A';
            break;
        case 2:
            return 'C';
            break;
        case 3:
            return 'G';
            break;
        case 4:
            return 'T';
            break;
    }
}
int main()
{
    int m,n,s,sum=0;
    char a[55][1010],b[55],c[1010][55];
    cin>>m>>n;
    for(int i=0;i<m;i++)
        for(int j=0;j<n;j++)
        {
            cin>>a[i][j];
            c[j][i]=a[i][j];//c数组即将a数组的行列互换，方便比较
        }
    for(int i=0;i<n;i++)
    {
        b[i]=findmin(c[i],m,s);//该函数将返回每一列出现次数最多的字母
        sum+=s;//每一列都需要累加距离
    }

    for(int i=0;i<n;i++)
    cout<<b[i];
    cout<<endl;
    cout<<sum<<endl;
    return 0;
}

总结：

一开始是打算先求出距离最小和序列的，然后再计算字典序，但发现这样十分麻烦，而在计算最小和的过程中，发现可以巧妙的利用ACGT的顺序从而使求出的序列一定为字典序最小的序列。