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
) e3 w" i% A: L* L5 L* @9 }
｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
$ n! ~. o2 U  e3 S+ A9 Q
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｝。
  z  M* O1 d% y$ o
* S& h; b6 b. r0 k问题
. l; K2 p( r; A0 z) v, O/ ?: M
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 。
8 t; p1 O! V- z
  f$ a9 t; y1 A; a（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。

（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。

; k# H& a: k( s0 l/ r, q$ b（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。

4 i% L. G( q# V( B9 t/ O$ K* g（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。
: _) `2 e3 B5 z8 i  R; Z' G/ ~3 L) x（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
' _+ \4 ~- C- z2 s给我有关程序和代码，如果可以帮忙建个数学模型，谢谢