用逆耦合重写系统建模序列和树上的动态规划问题
摘要
1.简介
从具体到抽象的映射 总是比较容易的方法。
1.1. 动机
1.2. 概述
描述优化问题 在声明性抽象层次上,基本思想不会被实现细节所掩盖,类似问题之间的关系是透明的,可以利用; 实现算法解决方案 以系统化甚至自动化的方式解决这些问题,从而将算法设计者从容易出错的编码和繁琐的调试工作中解放出来,实现tried和tested组件的重用,总体上提高了程序员的生产力和程序的可靠性。
1.3. 以前的工作
1.4. 文章组织
2.激励示例
替换 “A” 通过 “A” ,
替换 “C” 通过 “A” ,
删除 “G” ,
替换 “T” 通过 “T” ,
替换 “A” 通过 “A” ,
插入 “G”
代表(A、A、代表(C、A、del(G、代表(T、T、代表(A,A、ins(G,mty))))
A C G T A公司-
A A-T A G公司
3.机械
3.1. 变量、签名、字母、术语和树
让 是一套。 排序是抽象数据类型的名称或占位符。 我们假设存在可数无穷变量集 每一种 α 属于 .所有人的联合 表示为 五 . 我们假设有限 -排序签名 F类 .一个 -排序签名是一组函数符号和排序声明 对于每个 (f) 属于 F类 .在这里 和 n个 称为的arity (f) 。arity 0的函数符号称为常量符号。 一个签名 F类 可能包括字母表 ,它是中nullary函数符号(常量符号)的指定子集 F类 在区分重要的地方 被称为 字符 ,其他函数符号称为 操作员 . 表示一组类型良好的术语 F类 和 五 它是集合的联合 对于 α 在里面 归纳定义如下: 的每个变量 是的一个术语 , 如果 (f) 是的功能符号 F类 带排序声明 和 为所有人 ,然后 在中 .
被称为代数项 F类 和 五 .术语中出现的变量集 t吨 表示为 ,及其排序依据 这样的话 什么时候 . 表示的一组基本项 ,其中 . A类 替代 σ 将一组变量映射到一组术语,保留排序。 替代品的应用 σ 到一个学期 t吨 替换中的所有变量 t吨 对于其中 σ 由其图像定义。 表示结果 . 术语和树 :我们对作为树的术语采取双重观点。 一个术语可以被视为一个有限根有序树,其叶子被标记为常量符号或变量。 内部节点用arity大于或等于1的函数符号进行标记,使得内部节点的outdegree等于其标签的arity。 注意,字母字符是nullary函数符号,只能出现在树的叶子上。 A类 位置 在一个项内可以表示为正整数序列,描述从根到该位置的路径(路径以杜威符号表示)。 我们用表示 the subterm oft吨 在位置 第页 和 替换 在里面 t吨 通过 u个 .
3.2. 重写系统
A类 重写规则 是一对定向术语,表示为 ,因此 和 .由于最后一项要求,通常 不是合法的重写规则,如果不生成未绑定的变量,则无法反转重写规则。 此外,我们不允许 ,因为这样的规则允许重写 任何 术语,同时 完全合法。 A类 术语重写系统 R(右) 是一组有限的重写规则。 由 R(右) ,已写入 ,是在包含每个规则的上下文和替换下闭合的最小关系 R(右) 换句话说,一个术语 t吨 改写成一个术语 u个 ,已写入 ,如果存在位置 第页 在里面 t吨 ,一条规则 在里面 R(右) 和一个替代 σ 这样的话 和 . 是的自反传递闭包 . 在续集中,我们将考虑签名不相交的术语重写系统。 我们这么说 R(右) 是一个术语重写系统 带有不相交的签名 如果可以分区 F类 分为两个子集 ζ 和∑,这样对于每个规则 属于 R(右) ,左侧 ℓ 属于 ,和右侧 第页 属于 在这份手稿中, ζ 被称为 核心签名 和∑ 卫星签名 .基本条款 被称为 核心术语 . ζ 和∑都可以包含关联二元运算符,表示为 和 分别(见下文)。 实际上,核心签名可能与附属签名共享功能符号(可能不具有相同的arity)。 他们经常共用字母表。 按照惯例,当重写规则中出现共享符号时,它属于签名 ζ 左侧为∑,右侧为∑。 在其他地方 ζ 为清楚起见,将签署。 语法条件:重写规则可能具有与其适用性相关的语法条件,如 在我们的框架中,这些条件只涉及有限字母表中的字符。 这仅仅是一种反对编写太多类似规则的速记方法,并没有提供计算能力。 不得将其与一般条件项重写混淆,如 ,如果规则适用 x个 和 年 可以通过给定的重写系统将其重写为联合约简。
3.3. 重写模关联性
3.4. 树语法
F类 是签名, N个 是一组非终结符,与 F类 ,其中每个元素都被分配了一个排序。 Z 是开始的非终结符,带有 、和 P(P) 是表单的一组产品 ,其中 , 、和 X(X) 和 t吨 有相同的种类。
3.5. 代数
给出的签名 F类 ,一个 F-代数 A类 关联载波集( 即 ,具体的数据类型),每个排序符号位于 F类 和相应类型的函数 . 表示通过评估项获得的值 t吨 在代数给出的解释下 A类 通常,我们将提供几个代数来计算项。 安 目标函数 是一个函数 ϕ ,其中 M(M) 是给定代数中某个载波集上的多集(包)的域。 (多个载波组导致一个过载实例 ϕ 在每个载波组上。) 通常, ϕ 将是最小化或最大化,但求和、枚举或采样也很常见。 我们的目标函数是在多集合而不是集合上定义的,因为我们希望对问题进行建模,例如找到问题实例的所有协同最优解。 安 F类 -多集在其每个载波集上的目标函数所扩充的代数称为 评价代数 .
4.反向耦合重写系统
4.1. ICORE定义
一组变量V, a核心签名ζ和k卫星签名 ,因此 .(ζ的功能符号与所有 ,但可能共享的字母表除外。) 具有不相交签名的k项重写系统, ,都有相同的左手边 (这些系统称为卫星重写系统。) 可选树语法 核心签名ζ, 核心签名ζ的评估代数A,包括目标函数。
(耦合推导的开始), , ..., (耦合推导结束), 对于每个e, (耦合推导步骤),存在规则投影 这样的话 将模结合性重写为 按照规则 所有重写都同时应用于同一位置。 换句话说,对于每个i,都有一个术语 ,一个位置 在里面 和替代品 这样的话 , , ,并且所有的操作符符号都在c中具有相同的初始位置。
c由树语法识别: 、和 c对所有输入进行了耦合重写: .
4.2. ICORE伪码
ICORE、语法和代数名称均以 小型资本 . 签名中有三个或四个字母的名字 ITA公司 低收入国家 . 排序名称有一个大写字母的首字母。 运算符写入 打字机 字体 . 具体的字母符号用打字机字体书写,例如 A类 , + . 变量 指字母字符, 重写规则中的to(sub)项(可能需要进一步重写),以及 从某些代数中的核心项导出的值。 变量 w个 保留给目标函数作用的多个候选值集。
4.3。 ICORE演习
aaBBccbbaa bBCCBb aaBBccbb aaBBccbb
aa ccbbAA aaCCb bAA aa ccbbAA aaccbbaa
4.4. 为什么改写错误的方式?
5.用于序列分析的ICORE
5.1. 序列与仿射间隙模型的比较
5.1.1. 标准仿射间隙模型
G C---T G T C C A
| | | | |
A C G A T G-C A
5.1.2. 仿射间隙模型的变体:振荡间隙和轨迹
AACC--TT AA--CCTT AA-CC-TT AAC-C-TT AA--CTT
|| || || || || || || || || ||
AA——GGTT AAGG——TT AAG——GTT AA-GTT AA-GG-TT
5.2、。 从全局比较到本地搜索
5.2.1. Motif搜索
5.2.2. 半全局对齐
5.2.3. 局部对齐
5.3. 近似主题匹配和HMM
5.3.1. 近似匹配
5.3.2. 从近似匹配到轮廓HMM
HMM通常被描述为摩尔机器,它在状态上发射符号,与转换无关。 在我们的语法中,“发射”与转换相关:符号 从转换为时生成 到 从这个意义上说,他们更接近于Mealy机器。 在概要HMM中,目标模型是根据多序列比对而不是单个序列构建的 .在目标中 S公司 ,“字符”现在是该对齐中的列。 HMM的每个匹配状态(方形状态)都是目标序列中的一个位置。 HMM中的评分参数取决于位置 这意味着ICORE的得分代数应考虑核心术语中的位置:in ,列 简单地表示为 我 ,用于查找此位置的分数参数。
6.用于RNA二级结构分析的ICORE
6.1. RNA结构分析概述
6.2. RNA序列和结构的卫星特征
6.3. RNA折叠
代数 BP最大值 实现基对最大化作为我们的目标函数,正如在Nussinov算法中所做的那样。 代数 DotPar公司 用于将预测结构可视化为点框符号中的字符串。 在调用中自行使用 RNA折叠 ( DotPar公司 , 秒 ),这个代数将枚举输入的全部候选空间 秒 通常,它用于与其他代数的乘积(参见。 第8节 )报告最佳候选人。
6.4. 结构线形
6.4.1. 结构对齐的核心签名和语法
( . - - ) ( )
A G-U C G
| | | |
通用汽车公司
( ( ) . ) . .
6.4.2. 树木定线棱镜中的结构定线
6.5. 具有变化的同时对齐和折叠的Sankoff算法
6.5.1. 无给定结构的结构线形
6.5.2. 准确的共识结构
通用通用
( . ) . . . ( ) . . . .
通用通用通用
6.5.3. Sankoff算法
G-UCC-GUCC
(.).. . (..)
8月-8月
6.6. 序列-结构比对和RNA家族建模
6.6.1。 一种通用结构匹配器
6.6.2. 泛型精确结构匹配
6.6.3. 从泛型到硬编码结构匹配
6.6.4. 精确搜索的结构匹配器
6.6.5. 协方差模型的结构匹配
6.7. 用于RNA分析的ICORE结论
7.树比较及相关问题
7.1. 符号和签名
7.2. 树对齐方式
7.2.1. 经典树对齐
7.2.2. 基于仿射间隙评分的树对齐
7.3. 经典树编辑距离
- 如果 一 发生在 和 b条 在里面 : - 如果 一 不在中 : - 如果 b条 不在中 :
7.4. 树编辑距离和树对齐的变化
7.5. 广义编辑模型下的树对齐
两个卫星签名都是F。 核心签名包含单个排序、常量运算符符号 卫星签名字母表(如有)作为nullary操作符,以及 操作员: .的数量 和,共 是的基数 . 对于每个编辑操作 ,我们有两条重写规则 哪里 . 得分代数是 语法接受所有核心术语。
ACGCAGUGGACACCGU ACGAGGACCGU
(((.(((....)))))) ((((((....))).)))
ACGCAGUGGACACU-CGU公司
(((.)((….))-)
(((-(((....))).)))
ACG-AGUGGACACUCCGU公司
8.赋值代数及其乘积
9.与其他形式模型的关系
9.1. 被视为ICORE的“经典”ADP算法
9.2. 字母传感器被视为ICORE
有限状态集 问 一组初始状态, 输入字母表 输出字母表 和 加权转移关系
, t吨 属于语法的语言 t吨 计算结果为 α
9.3. 多带S属性语法
9.4. 图灵机与ICORE之间的关系
9.5. 语法和重写规则之间的权衡
10.结论
10.1. ICORE作为声明性规范框架
在本文的介绍中,我们非正式地指出,用于一致性结构预测的Sankoff算法可以被视为同时运行两个RNA折叠和一个序列比对算法。 在创建 桑苛夫 ICORE,我们实际上复制了两倍于 RNA折叠 并从中导入了两个规则 编辑距离 –这是完整的 桑苛夫 规范。 我们认为,我们对协方差模型构建的描述分为三个步骤 RNA折叠 通过 桑苛夫 和 S公司 2 S精确 到 CM(_r) 比我们在文献中发现的更系统,特别是它指出了 RNA折叠 作为协方差模型设计中的模型架构。 可以从不同的模型架构开始,然后以相同的方式继续。 通用协方差模型 S公司 2 S通用 桑科夫变种 SimFold公司 广义树编辑模型的示例如下 RNATreeAli公司 是新的算法问题,值得进一步研究。
搜索空间的定义与任何得分代数无关。 我们可以用交互模型进行实验,我们可以改进规则和/或语法,例如,从搜索空间中删除格式错误的候选对象(而不是欺骗 我们可以测试搜索空间的大小是如何受设计决策的影响的,而不受评分的影响。我们可以通过研究语法的属性来担心问题分解的(非)模糊性。 在评估候选签名时,我们可以在给定签名上构造任意代数。 对于每一种情况,我们都需要证明它满足贝尔曼原理。 幸运的是,这与搜索空间及其构造方式无关。 重写系统和代数可以以模块化的方式正确组合,从而承载组件重用和易于修改的软件工程原则。
10.2. ICORE实施中的研究挑战
搜索空间构造:语法和重写规则必须联合使用,通过交叉枚举核心术语并将其重写到输入来构造搜索空间。 这本质上是一个自上而下的过程。 重写模关联性:在需要的地方,这本身就对上述实现提出了挑战。 生成循环:通过代数进行候选评估很简单,但本质上是一个自下而上的过程,必须与搜索空间构造结合起来。 这种合并采用必须生成的动态编程循环的形式。 制表设计:为了避免因过度重新计算中间结果而导致指数爆炸,使用了制表。 这涉及到关于制表内容的决策,以及如何有效地将子问题映射到表条目。 重复分析:ICORE允许非线性重写规则,这是一个特殊的挑战。 变量可以在规则的右侧重复。 一个核心术语的两个副本自然会在卫星中重写为相同的子术语,实现时必须注意利用这一事实。 表格数量、尺寸和大小:虽然将每个中间结果制成表格在数学上都是正确的,并且是渐近最优的,但空间效率要求仔细分析动态编程表格的数量、它们的尺寸和大小。 产品优化:某些任务可以方便地表示为代数产品,但对于竞争代码,它们需要比产品代数的通用实现更高效的技术。 有两种情况是完全回溯(用于近最优解)和随机抽样(基于随机得分代数)。 对于树上的组合优化问题,还没有此类技术的报告,ICORE的实现必须在这方面覆盖新的领域。
纯粹主义者可能会说签名声明实际上是多余的,因为它们可以从重写规则以及代数中推断出来。 编程语言设计者会争辩说,一定程度的冗余是必要的,以防止用户错误,并允许编译器给出有用的错误消息。 软件工程师会指出需要与不断发展的程序一起工作,例如,要有一个签名,其中并非所有操作符都用于特定的重写系统,但已经包括在计划的细化中。
致谢
利益冲突
词汇表
工具书类
R.E.贝尔曼。 动态编程 ; 普林斯顿大学出版社:普林斯顿,新泽西,英国,1957年。 [ 谷歌学者 ] D.古斯菲尔德。 字符串、树和序列的算法:计算机科学和计算生物学 ; 剑桥大学出版社:英国剑桥,1997年。 [ 谷歌学者 ] Needleman,S.B.公司。; Wunsch,C.D.一种适用于搜索两种蛋白质氨基酸序列相似性的通用方法。 分子生物学杂志。 1970 , 48 , 443–453. [ 谷歌学者 ] [ 交叉参考 ] T.F.史密斯。; Waterman,M.S.常见分子子序列的识别。 分子生物学杂志。 1981 , 147 , 195–197. [ 谷歌学者 ] [ 交叉参考 ] Sankoff,D.同时解决RNA折叠、排列和原序列问题。 SIAM J.应用。 数学。 1985 , 45 , 810–825. [ 谷歌学者 ] [ 交叉参考 ] Ferch,M。; 张杰。; Höchsmann,M.学习状态-动作空间的图形表示的协作装配。 2002年9月30日至10月4日,瑞士洛桑EPFL,IEEE/RSJ智能机器人和系统国际会议记录。 Reis博士。; Golgher,P。; 席尔瓦,A。; 使用树编辑距离自动提取网络新闻。 2004年5月17日至22日在美国纽约州纽约市ACM举行的第13届国际万维网会议记录; 第502-511页。 Searls,D.B.研究DNA和定冠词语法的语言学。 在 北美逻辑编程会议记录 ; Lusk,E.,Overbeck,R.,编辑。; 麻省理工学院出版社:剑桥,马萨诸塞州,美国,1989年; 第189-208页。 [ 谷歌学者 ] Searls,D.B.生物序列的计算语言学。 在 人工智能与分子生物学 ; Hunter,L.编辑。; AAAI/MIT出版社:美国马萨诸塞州剑桥,1993年; 第47-120页。 [ 谷歌学者 ] Searls,D.B.生物序列的语言方法。 CABIOS公司 1997 , 13 ,333–344。 [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 列斐伏尔。 几种对齐和折叠算法的基于语法的统一。 AAAI智能。 系统。 分子生物学。 1996 , 4 , 143–154. [ 谷歌学者 ] Knuth,D.E.上下文无关语言的语义。 理论计算。 系统。 1968 , 2 , 127–145. [ 谷歌学者 ] [ 交叉参考 ] Giegerich,R。; 迈耶,C。; Steffen,P.序列数据动态编程的一门学科。 科学。 计算。 程序。 2004 , 51 , 215–263. [ 谷歌学者 ] [ 交叉参考 ] Giegerich,R。; Steffen,P.编译动态编程领域特定语言的挑战。 2006年4月23日至27日在法国第戎举行的2006年ACM应用计算研讨会会议记录; Haddad,H.,编辑。; Höner-zu-Siederdissen,C.在concatMap周围潜行:动态编程的高效组合子。 2012年9月10日至12日在丹麦哥本哈根举行的第17届ACM SIGPLAN功能编程国际会议记录; ACM:美国纽约州纽约市,2012年。 12年ICFP。 第215-226页。 [ 谷歌学者 ] Sauthoff,G.公司。; Möhl,M。; 詹森,S。; Giegerich,R.Bellman的GAP-A语言和编译器,用于序列分析中的动态编程。 生物信息学 2013 , 29 , 551–560. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 巴德,F。; T.尼普科。 术语重写和所有这些 ; 剑桥大学出版社:英国剑桥,1998年。 [ 谷歌学者 ] Ohlebusch,E。 学期改写高级主题 ; 施普林格:美国纽约州纽约市,2002年。 [ 谷歌学者 ] Gotoh,O。一种用于匹配生物序列的改进算法。 分子生物学杂志。 1982 , 162 , 705–708. [ 谷歌学者 ] [ 交叉参考 ] 杜宾,R。; Eddy,S.R。; 克罗,A。; G.米奇逊。 生物序列分析:蛋白质和核酸的概率模型 ; 剑桥大学出版社:英国剑桥,1998年。 [ 谷歌学者 ] Giegerich,R.解释和控制动态编程中的歧义。 组合模式匹配研究进展; 施普林格:美国纽约州纽约市,2000年; 第46-59页。 [ 谷歌学者 ] Nussinov,R。; 捷克共和国。; 格里格斯,J。; Kleitman,D.循环匹配算法。 SIAM J.应用。 数学。 1978 , 35 , 68–82. [ 谷歌学者 ] [ 交叉参考 ] 贝克,J.K.,《语音识别可训练语法》。 J.声学。 美国南部。 1979 , 65 , 54–550. [ 谷歌学者 ] [ 交叉参考 ] Sakakibara,Y。; 布朗,M。; Hughey,R。; 我·棉恩。; Sjölander,K。; 安德伍德,R。; Haussler,D.使用随机上下文无关语法进行RNA建模的最新方法。 1994年6月5日至8日,美国加利福尼亚州阿西洛马,《组合模式匹配》; 第289-306页。 道威尔,R。; Eddy,S.评估几种用于RNA二级结构预测的轻量级随机无上下文文法。 BMC生物信息。 2004 , 5 , 71. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] 姜涛(Jiang,T.)。; 林·G。; 马,B。; Zhang,K。RNA结构之间的一般编辑距离。 J.计算。 生物。 2002 , 9 , 371–388. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 姜涛(Jiang,T.)。; Wang,L。; Zhang,K.树木对齐——一种替代树木编辑的方法。 西奥。 计算。 科学。 1995 , 143 , 137–148. [ 谷歌学者 ] [ 交叉参考 ] T.J.Macke。; 艾克,D.J。; R.R.古特尔。; Gautheret,D。; 案件,地方检察官。; Sampath,R.RNAMotif,一种RNA二级结构定义和搜索算法。 核酸研究。 2001 , 29 , 4724–4735. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Reeder,J。; Reeder,J。; Giegerich,R.Lomotiif:从图形基序描述到RNA基序搜索。 生物信息学 2007 , 23 ,i392。 [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Eddy,S.R。; Durbin,R.使用协方差模型进行RNA序列分析。 核酸研究。 1994 , 22 , 2079–2088. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Giegerich,R。; Höner zu Siederdessen,C.随机RNA家族模型的语义和模糊性。 IEEE/ACM传输。 计算。 生物信息学。 2011 , 8 , 499–516. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 加德纳,P。; Daub,J。; Tate,J。; Nawrocki,E。; 科尔贝,D。; 林德格林,S。; 威尔金森,A。; R·芬恩。; Griffiths-Jones,S。; Eddy,S。; 等。 皇家医学会:RNA家族数据库更新。 核酸研究。 2009 , 37 ,D136。 [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 罗塞洛,F。; 最大公共子树和最小公共子树之间关系的代数视图。 西奥。 计算。 科学。 2006 , 362 , 33–53. [ 谷歌学者 ] [ 交叉参考 ] Chawathe,S.比较外部存储器中的分层数据。 第25届超大数据库国际会议论文集,美国加利福尼亚州旧金山; 1999; 第90-101页。 [ 谷歌学者 ] Touzet,H.用间隙编辑树距离。 信息处理。 莱特。 2003 , 85 ,123-129。 [ 谷歌学者 ] [ 交叉参考 ] 王卓志,K.Z.两种RNA结构的比对。 在 计算机科学数学基础 ; 2001年8月25日至29日; 布达佩斯; 第690–702页。 [ 谷歌学者 ] 巴科芬,R。; 陈,S。; Hermelin,D。; 兰道,G.M。; Roytberg,文学硕士。; O.魏曼。; Zhang,K.RNA比较中的位置和差距。 J.计算。 生物。 2007 , 14 , 1074–1087. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Jansson,J。; 新墨西哥州Hieu。; Sung,W.K.局部间隙亚林排列及其在发现RNA结构基序中的应用。 J.计算。 生物。 2006 , 13 , 702–718. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Schirmer,S。; Giegerich,R.《带仿射间隙和锚的森林定线》。 在 组合模式匹配 ; 施普林格:美国纽约州纽约市,2011年; 第104–117页。 [ 谷歌学者 ] 杜卢克,S。; 树编辑距离问题的Touzet,H.分解算法。 J.离散算法 2005 , 三 , 448–471. [ 谷歌学者 ] [ 交叉参考 ] Erik Demaine,Shay Mozes,B.R。; Weimann,O。树编辑距离的最优分解算法。 ACM事务处理。 算法 2009 , 6 . [ 谷歌学者 ] [ 交叉参考 ] 索托夫,G。; 詹森,S。; Giegerich,R.Bellman的GAP:动态编程的声明性语言。 2011年7月20日至22日,在丹麦欧登塞举行的第13届ACM SIGPLAN声明式编程原理与实践国际研讨会论文集; ACM:美国纽约州纽约市,2011年。 PPDP’11。 第29-40页。 [ 谷歌学者 ] Searls,D.B。; Murphy,K.P.自动机——突变和对齐的理论模型。 在ISMB会议记录中,1995年; 罗林斯,C.J.,克拉克,D.A.,奥特曼,R.B.,亨特,L.,朗格尔,T.,沃达克,S.J.,编辑。; 第341-349页。 Huet,G。; Lankford,D.关于术语重写系统的一致暂停问题。 技术报告,Rapport Laboria 283,IRIA,1978年。 [ 谷歌学者 ] W.B.鲍威尔。 近似动态规划:解决维数问题 ; 威利国际科学:纽约,纽约,美国,2007年。 [ 谷歌学者 ] 伏安,B。; Giegerich,R。; Rehmsmeier,M.完成RNA形状的概率分析。 BMC生物。 2006 , 4 ,5。 [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Sedgewick,R。 算法 ; 艾迪森·韦斯利:雷丁,马萨诸塞州,美国,2002年。 [ 谷歌学者 ] 科尔曼,T。; Leiserson,C。; R铆钉。 算法简介 ; 麻省理工学院出版社:美国马萨诸塞州剑桥,1990年。 [ 谷歌学者 ] 布拉埃尔(Braßel,B.)。; 哈纳斯,M。; Peemöller,B。; Reck,F.KiCS2:从curry到haskell的新编译器。 第20届函数和(约束)逻辑编程国际研讨会论文集; 施普林格:美国纽约州纽约市,2011年; 第1-18页。 [ 谷歌学者 ] 汤普森,S。 哈斯克尔:函数式编程的技巧 ; 艾迪森·卫斯理:波士顿,马萨诸塞州,美国,2011年。 [ 谷歌学者 ] 艾斯纳,J。; 西北部菲拉多。 Dyna:为现代AI扩展数据日志。数据日志2.0 ; Furche,T.、Gottlob,G.、Grasso,G.,de Moor,O.、Sellers,A.、Eds。; 施普林格:美国纽约州纽约市,2011年。 [ 谷歌学者 ]