2015深圳杯b题，求教

丸子的建模

给定一个DNA序列，这个系列只含有4个字母ATCG，如 S =“CTGTACTGTAT”。给定一个整数值k，从S的第一个位置开始，取一连续k个字母的短串，称之为k-mer（如k= 5，则此短串为CTGTA）， 然后从S的第二个位置， 取另一k-mer（如k= 5，则此短串为TGTAC），这样直至S的末端，就得一个集合，包含全部k-mer 。 如对序列S来说，所有5-mer为
# Q0 v- s3 j/ }2 {+ j) a/ \7 ]
% k8 p/ |0 e  {: |｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
8 ^( b5 d6 D4 B% T2 Y: E/ s. P' L
# a& q1 z1 x) }/ W2 f通常这些k-mer需一种数据索引方法，可被后面的操作快速访问。例如，对5-mer来说，当查询CTGTA，通过这种数据索引方法，可返回其在DNA序列S中的位置为｛1，6｝。
4 D9 {4 Y" T3 {# l7 L
问题
0 B9 [; i! W3 N2 ?8 |3 z% }
6 F2 ~) z( `. v& N" B: N. |现在以文件形式给定 100万个 DNA序列，序列编号为1-1000000，每个基因序列长度为100 。
0 _& q/ T* p; C4 j) ^- _
$ o6 ^# M- E9 T+ |+ x! |2 G- _$ z（1）要求对给定k， 给出并实现一种数据索引方法，可返回任意一个k-mer所在的DNA序列编号和相应序列中出现的位置。每次建立索引，只需支持一个k值即可，不需要支持全部k值。
5 `/ w- [1 i  _* V* w
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
/ |- d( i# k% g  n
5 C# {8 J+ c6 s. p) j（3）给出建立索引所用的计算复杂度，和空间复杂度分析。

（4）给出使用索引查询的计算复杂度，和空间复杂度分析。

（5）假设内存限制为8G，分析所设计索引方法所能支持的最大k值和相应数据查询效率。
（6）按重要性由高到低排列，将依据以下几点，来评价索引方法性能
$ f/ T# t% n  c+ Y; M9 e* ~给我有关程序和代码，如果可以帮忙建个数学模型，谢谢