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
1 x4 N" T% ]- Z6 M
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝

# e* D) L5 h* |9 }# z( Q& Y6 H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｝。

问题

- }/ p2 J2 u$ d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 。
: U4 Z( \! W$ B) @
) u  q+ E7 a! z3 A& i（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。
, Y6 Y# ^+ g7 U! e6 v2 d: X
: s- F* K( ]7 z' }9 L（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。

9 w. d2 |9 S: l- Y- ~) o（3）给出建立索引所用的计算复杂度，和空间复杂度分析。

3 I( K6 P. S2 m$ L  G% i8 }2 T7 w（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
/ B! v8 X$ G: c7 O* S7 S3 l, K
（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
# ?( a0 i0 i% S7 {( ]; Y; e给我有关程序和代码，如果可以帮忙建个数学模型，谢谢