注:
题目:
所有 DNA 都由一系列缩写为 ‘A’,‘C’,‘G’ 和 ‘T’ 的核苷酸组成,例如:“ACGAATTCCG”。在研究 DNA 时,识别 DNA 中的重复序列有时会对研究非常有帮助。
编写一个函数来找出所有目标子串,目标子串的长度为 10,且在 DNA 字符串 s 中出现次数超过一次。
示例 1:
输入:s = “AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT”
输出:[“AAAAACCCCC”,“CCCCCAAAAA”]
示例 2:
输入:s = “AAAAAAAAAAAAA”
输出:[“AAAAAAAAAA”]
提示:
0 <= s.length <= 105
s[i] 为 ‘A’、‘C’、‘G’ 或 ‘T’
题解:
思路及算法
- 沿长度为 N 的字符串移动长度为 L 的滑动窗口。
- 检查滑动窗口中的序列是否在 Hashset save 中。
- 如果是,则找到了重复的序列,更新输出。
- 否则,将序列添加到 HashSet seen 中。
复杂度分析
时间复杂度:O((N−L)L)。在执行的循环中,有 N−L+1 个长度为 L 的子字符串,这会导致 O((N−L)L) 时间复杂性。
空间复杂度:使用了 O((N−L)L) 去存储 HashSet,由于 L=10 最终为时间复杂度为 O(N)。
class Solution {
public:
vector<string> findRepeatedDnaSequences(string s) {
map<string,int> save;
vector<string> result;
//此题中目标子串的长度为10
int L=10;
if(s.size()<L+1){
return result;
}
for(int i=0;i<s.size()-L+1;i++){
string str(s.substr(i,L));
if(save.count(str)){
save[str]++;
}
else{
save.insert({str,1});
}
}
for(auto p:save){
if(p.second>1){
result.push_back(p.first);
}
}
return result;
}
};