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
: \( I9 Z9 O2 _
5 y: {1 p- d+ Q. ?｛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｝。
. \! M$ V$ k9 @7 B0 d7 Q6 v, F
问题
* b( Q1 y, x% `- R! k2 W# i' `
( L9 `3 S1 a) z2 h8 _( B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 。
7 w& |+ _" y$ s& S
  c' e! p$ @5 e（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。
& S! X) R0 D% X  Q1 Y# [
（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。
5 i# Y+ p* @4 z9 v* N# u
+ s+ b& J+ K% y6 b（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
  _6 |* ]7 F* U8 Q8 d6 e0 t
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
  `1 I5 ]/ F; L; k& q8 {
（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。
& h% X% f7 k1 w4 o( D, I/ ~- O& \（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
2 l( _4 k4 Y2 |给我有关程序和代码，如果可以帮忙建个数学模型，谢谢