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
/ b* O& i7 A7 I' f% Q
) X8 O- y  t8 W& r6 M% t/ `' t' \9 q; r｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝

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｝。

8 @! C7 e2 c" L) u* `+ O9 q问题

4 g! n3 S: n6 v" A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 。
/ l: j9 ^1 t# g
! F% s- t( d4 P2 u2 {; b（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。

# w. J; D: _1 Z* a" Z（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
( p) x$ m  a, I
（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
$ |8 z. ?2 d/ o/ k- c* t
$ z+ P% {* r1 p' q" D8 s9 f（4）给出使用索引查询的计算复杂度，和空间复杂度分析。

. P7 G- m% @2 _（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。
# m" g# v0 S5 C* b0 x: K（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
0 W" J2 H' ~' ]0 Y8 D2 h% i, y给我有关程序和代码，如果可以帮忙建个数学模型，谢谢