Minimum edit cost problem

最常使用在檔案的比較以及更新上，若在系統上有多個類似的檔案，可以輕鬆比較差異，而若系統中有若干個不同版本的檔案，亦可以藉由此辦法儲存其差異而非整個檔案，如此一來便可以節省其儲存空間。

問題敘述

給定兩個字串 A[1...n]、B[1...m]，在下列三種運算之下，使用最小運算成本將字串 A 轉換成字串 B
1. 插入：在字串中插入一個字元
2. 刪除：在字串中刪除一個字元
3. 替換：將字串中的某一個字元轉換成「指定的字元」
Optimal substructure （以最後一個字元做討論）
- 假設將 A 轉換為 B 的最少運算序列為 R[1...k]，若 A[n] ≠ B[m]，則當 R[k] 為
  1. 「刪除 A 尾端的 A[n]」時，則 R[k-1] 為「A[1...n-1] 轉換為 B[1...m]」的最少運算序列
  2. 「 A[n] 中插入一個字元」時，則 R[k-1] 為「A[1...n] 轉換為 B[1...m-1]」的最少運算序列
  3. 「將 A[n] 替換成 B[m]」時，則 R[k-1] 為「A[1...n-1] 轉換為 B[1...m-1]」的最少運算序列
- 若 A[n] = B[m]，則 R[k] 為「A[1...n-1] 轉換為 B[1...m-1]」的最少運算序列
Recursion（c[i,j]：A[1..i] 轉換成 B[1..j] 之最大成本）
- 若 A[i] ≠ B[j]
  - $min \left\{\begin{matrix} c[i-1, j]+1 & ,刪除\;A\; 尾端的 \;A[i] \\ c[i, j-1]+1 & , 在\;A[1..i]\;尾端插入B[j] \\ c[i-1, j-1]+1 & ,直接將\; A[i]\; 轉換成 \;B[i] \end{matrix}\right.$
- 若 A[i] = B[j]
  - $c[i-1, j-1] \quad , 為\;A[1...i-1] \;與 \;B[1...j-1] \; 的最少運算序列$
- $\forall i, \quad c[i,0] = i \quad：將\;A[1..i] \;轉換成\; \phi \;的最短運算序列$
  - 等價於 C[i-1,0]+1；遞迴刪除 A[i] 的末端字元
- $\forall j, \quad c[0,j] = j \quad：將 \;\phi\; 轉換成\; B[1..j] \; 的最短運算子序列$
  - 等價於 C[0,j-1]+1；遞迴在 $\phi$ 末端新增 B[j] 字元
Algorithm

char* MED(char* A, char* B, n, m) {
    for i from 1 to n {
        c[i,0]      =  i;
        label[i,0]  = '↑'; // 等價於 C[i-1,0]+1
    }
    for i from 1 to m {
        c[0,i]      =  i;
        label[0,i]  = '←'; // 等價於 C[0,j-1]+1
    }
    
    for i from 1 to n {
        for j from 1 to m {
            if A[i] != B[j]
                c[i,j] = min(c[i-1,j]  +1, // 刪除 A[i] 的字元
                             c[i,j-1]  +1, // 在 A[1..i] 字串末端插入 B[j] 字元
                             c[i-1,j-1]+1);// 將 A[i] 直接轉換成 B[j] 字元
            else
                c[i,j] = min(c[i-1,j]  +1, // 刪除 A[i] 的字元
                             c[i,j-1]  +1, // 在 A[1..i] 字串末端插入 B[j] 字元
                             c[i-1,j-1]);  // 不做任何運算
            // 依照上面的運算決定 lebel[i,j] 的性質
        }
    }
}

Ex （87 年交大資工）

A = acbabca；B = babcbac ，使用最少轉換將字串 A 轉換成 B 字串

Recursion（c[i,j]：A[1..i] 轉換成 B[1..j] 之最大成本）
- 若 A[i] ≠ B[j]
  - $min \left\{\begin{matrix} c[i-1, j]+D[i] & ,刪除\;A\; 尾端的 \;A[i] \\ c[i, j-1]+I[j] & , 在\;A[1..i]\;尾端插入B[j] \\ c[i-1, j-1]+C[i,j] & ,直接將\; A[i]\; 轉換成 \;B[i] \end{matrix}\right.$
- $\forall i, \quad c[i,0] = \sum_{k =1}^iD[k] \quad：將\;A[1..i] \;轉換成\; \phi \;的最短運算序列$
  - 等價於 c[i-1,0] + D[i]；遞迴刪除 A[i] 的末端字元
- $\forall j, \quad c[0,j] = \sum_{k=1}^jI[k] \quad：將 \;\phi\; 轉換成\; B[1..j] \; 的最短運算子序列$
  - 等價於 c[0,j-1] + I[j]；遞迴在 $\phi$ 末端新增 B[j] 字元

Ex （轉換的成本不一致）

給定兩序列 A[1..3]，B[1..4]，以最少成本將 A 序列轉換成 B 序列

轉換成本
- 刪除 A[i] 字元 D[1..3]
  - $\begin{bmatrix} 6 & 1 & 2 \end{bmatrix}$
- 插入 B[i] 字元 I[1..4]
  - $\begin{bmatrix} 5 & 3 & 1 & 1 \end{bmatrix}$
- 將 A[i] 字元轉換成 B[j] 字元 C[1..3, 1...4]
  - $\begin{bmatrix} 1 & 2 & 1 & 1\\ 2 & 1 & 2 & 2\\ 3 & 1 & 2 & 4 \end{bmatrix}$

DNA comparsion problem

Ex（生物資訊比較問題）

在生物資訊學科裡，會給定兩個 DNA 序列 A[1..n]、B[1..m]，並以下列「運算/比較 — 權重」來決定兩個序列之相似度

相似度權重
- A[i] = B[j]：比對直接命中
  - 相似度加 2
- A[i] ≠ B[j]：比對失敗
  - 相似度減 3
- 在 A[i] 前插入空字元 ∅ （意旨跳過 B[i] 字元的比較）讓 A[i..n] 與 B[i+1..m] 達到最大相似度
  - 相似度減 1
- 將 A[i] 字元刪除（意旨跳過 A[i] 字元的比較）讓 A[i+1..n] 與 B[i..m] 達到最大相似度
  - 相似度減 1
Recursion（w[i,j]：A[1..i] 與 B[1..j] 比對的最大相似度）
- $ max{ $\begin{matrix} w[i-1, j-1]+2 & A[i]\;與\;B[j]\; 相等，其剩餘最大相似度等於\;w[i-1, j-1]\\ w[i-1, j-1]-3 & A[i]\;與\;B[j] \;不等，其剩餘最大相似度等於\;w[i-1, j-1] \\ w[i-1, j]-1 & 跳過對 \;A[i]\; 的比較，其剩餘最大相似度等於\;w[i-1, j] \\ w[i, j-1]-1 & 跳過對 \;B[i]\; 的比較，其剩餘最大相似度等於\;w[i, j-1]\end{matrix}$ .$

給定兩個 DNA 序列 A = ACGCTGA；B = AACTGT，使用最少「運算/比較 — 權重」以比較 A、B 字串：