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

9 d9 z9 c9 e6 W' n: ~0 j6 a- ?｛CTGTA，TGTAC，GTACT，TACTG，ACTGT，TGTAT｝
9 y8 h! X$ R0 |. e9 n8 c# M- D5 T
. V2 V& s& [4 _& ^  C3 }( L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｝。

  Q, X4 D* Y, k9 b$ N+ C9 {问题

8 X( n- ]7 s4 W( j+ i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 。
" ~& u- t* _) u
（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。

" j* X* Z9 p  n8 I; r0 U6 M0 l8 f（2）要求索引一旦建立，查询速度尽量快，所用内存尽量小。

% D& J; R' z+ v; ^0 b) ?; ]/ g8 P（3）给出建立索引所用的计算复杂度，和空间复杂度分析。
7 o+ i* i$ a/ d1 L" \4 N" [
（4）给出使用索引查询的计算复杂度，和空间复杂度分析。
* p! e) i( b9 S0 z/ O. x6 `
（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。
& n/ k" M$ X: a# D4 ^: P' I（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
给我有关程序和代码，如果可以帮忙建个数学模型，谢谢