程序员人生 网站导航

2015年“深圳杯”数学建模夏令营-B题:DNA序列的k-mer index 问题

栏目:综合技术时间:2015-07-01 08:40:30

感受总结:这是第1次参加数学建模,貌似往年建模都是给大2大3做的,但几年我们大1的热忱都很高,我也糊里胡涂地被数学学院的拉去组队了,说来组队也坑,不想多说,由于最后选了这个算法题,队友连C语言都没学,所以全部比赛从算法到论文全是我1人完成,整了4天加1个通宵,累得不行,最后弄出来的还是很烂。不过学到了经验是真的,并且也让我对哈希算法懂了1点,毕竟啥也没干这4天1直就围绕哈希在研究。

经验:1、组队我认为应当2个计算机专业、1个数学专业的就能够了。

2、页数1定要多,最少20页吧,而且内容逼格1定要高。

3、在开始之前要多搜集相干资料,确保最初方向的准确性。

知识方面:1、主要是对哈希算法有了深入了解,知道了其索引原理并在这次比赛进行了简单利用。

2、哈希在很多方面都有利用,比如破解密码等,可以大大提高效力,这也是我们常说的字典技术。

还有好多就不说了,把我猥琐的建模处女座献出。

 

题目:

2015年“深圳杯”数学建模夏令营

B题:DNA序列的k-mer index 问题

这个问题来自 DNA序列的k-mer index问题。

给定1个DNA序列,这个系列只含有4个字母ATCG,如 S =“CTGTACTGTAT”。给定1个整数值k,从S的第1个位置开始,取1连续k个字母的短串,称之k-mer(如k= 5则此短串为CTGTA), 然后从S的第2个位置, 取另外一k-merk= 5则此短串为TGTAC),直至S的末端,就得1个集合,包括全部k-mer 如对序列S来讲,所有5-mer为

CTGTATGTACGTACTTACTGACTGTTGTAT

通常这些k-mer需1种数据索引方法,可被后面的操作快速访问。例如,对5-mer来讲,当查询CTGTA,通过这类数据索引方法,可返回其在DNA序列S中的位置为{1,6}。

问题

现在以文件情势给定 100万个 DNA序列,序列编号为1⑴000000,每一个基因序列长度为100 。

(1)要求对给定k, 给出并实现1种数据索引方法,可返回任意1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1个k值便可,不需要支持全部k值。

(2)要求索引1旦建立,查询速度尽可能快,所用内存尽可能小。

(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。

(5)假定内存限制为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力。

(6)按重要性由高到低排列,将根据以下几点,来评价索引方法性能

・        索引查询速度

・        索引内存使用

・        8G内存下,所能支持的k值范围

・        建立索引时间

 

 

论文及附件下载地址:http://pan.baidu.com/s/1i37YHcL

 

 

 

 

 

 

   

 

 

 

------分隔线----------------------------
------分隔线----------------------------

最新技术推荐