1、有一部分起始位點在沒對其進行迭代前，可根據它們得分的最優估計，簡單而迅速地將它們排除在外。
如：若t個起始位點中的前i個位點[即：(s1,s2,...,si）]構成了乙個弱序列譜，沒必要考慮序列i+1,i+2,....,t中的任一起始位點。
2、給定一組起始位點s=(s1,s2,..,st),定義部分一致得分score(s,i,dna)為i*l階聯矩陣的一致得分，且該矩陣僅涉及與起始位點s的dna前i行相應部分。對於s1,s2,..,si，我們有部分一致得分，甚至在最佳情況下，餘下的t-i行只能對一致得分作(t-i)*l的改進。任一前i個起始位點為(s1,s
2,..,si
)的聯配矩陣的得分最多可能是score(s,i,dna)+(t-i)*l
3、演算法
bypass演算法略過以頂點(a,i)為根的子樹，直接進入同層的下乙個頂點。
nextvertex演算法當ibranchandboundmotifsearch(dna,t,n,l)
s<-(1,...,1)
bestscore<-0
i<-1
whilei>0
if i
optimisticscore<-score(s,i,dna)+(t-i)*l
if optimisticscore
(s,i)<-bypass(s,i,t,n-l+1)
//當前頂點及子樹的最佳得分比bestscore小則放棄繼續向該頂點子樹的尋找。
else
(s,i)<-nextvertex(s,i,t,n-l+1)
else//到達底層
ifscore(s,dna)>bestscore
bestscore<-score(s)
bestmotif<－(s1,s
2,..,st)
(s,i)<-nextvertex(s,i,t,n-l+1)
returnbestmotif
基序發現問題和中間字串問題
1 如果p s 表示對應於起始位點s的剖面矩陣，我們用mp s j 來表示p s 第j列中的最大計數。定義共有序列得分score s,dna 為 l mp s j 可用來度量起始點為s的序列譜的強度。j 1 2 給定一組dna序列，從每條序列中發現一組l元組片段，使得共有序列得分為最大。輸入 乙個t...
演算法四 回溯和分支界定
演算法四 回溯和分支界定 回溯 尋找問題的解的一種可靠的方法是首先列出所有候選解，然後依次檢查每乙個，在檢查完 所有或部分候選解後，即可找到所需要的解。理論上，當候選解數量有限並且通過檢查所有或 部分候選解能夠得到所需解時，上述方法是可行的。不過，在實際應用中，很少使用這種方法，因為候選解的數量通常...
演算法設計之 常用演算法之 分支界定法
在進行機器學習特診選擇的時候，一種不需要進行遍歷仍能取得最優解的方法為分支定界 branch and bound 法。這是一種自頂向下的方法，即從包含所有候選特徵開始，逐步去掉不被選擇的特徵。此種方法具有回溯的過程，能夠考慮所有可能的特徵組合。分支定界法 原理 分支界定法就是帶剪枝技巧的搜尋策略，通...