LeetCode Repeated DNA Sequences

最新推荐文章于 2022-07-28 15:01:27 发布

原创最新推荐文章于 2022-07-28 15:01:27 发布 · 291 阅读

0 ·

CC 4.0 BY-SA版权

leetcode 专栏收录该内容

234 篇文章

订阅专栏

本文介绍了一种基于哈希表的DNA序列重复性检测算法，通过编码将DNA字符转换为整数，利用滑动窗口在序列中查找重复子序列，并使用哈希表和集合记录重复次数超过一次的子序列。

思路：

编码：
A ~ 00
C ~ 01
G ~ 10
T ~ 11

所以10个字符只需要20位就可以表示，共有 $2^{20}$ 种情况，所以hash table的大小就是 $1024*1024$ 。

不断的向前移动2位来构造val，在hash table中查找看是否出现的次数大于1，是的话加入set，最后整理结果。

class Solution {
private:
    int getCode(char ch) {
        if(ch == 'A') return 0;
        if(ch == 'C') return 1;
        if(ch == 'G') return 2;
        if(ch == 'T') return 3;
    }
public:
    vector<string> findRepeatedDnaSequences(string s) {
        vector<string> res;
        set<string> ss;
        if(s.length() < 10) return res;
        int htable[1024 * 1024] = {0};
        unsigned  int val = 0;
        for(int i = 0; i < 9; ++i) {
            val <<= 2;
            val |= getCode(s[i]);
        }
        for(int i = 9; i < s.length(); ++i) {
            val <<= 14;
            val >>= 12;
            val |= getCode(s[i]);
            htable[val]++;
            if(htable[val] > 1) {
                ss.insert(s.substr(i - 9, 10));
            }
        }
        for(set<string>::iterator i = ss.begin(); i != ss.end(); ++i) {
            res.push_back(*i);
        }
        return res;
    }
};