LeetCode DNA重复序列

All DNA is composed of a series of nucleotides abbreviated as A, C, G, and T, for example: "ACGAATTCCG". When studying DNA, it is sometimes useful to identify repeated sequences within the DNA.

Write a function to find all the 10-letter-long sequences (substrings) that occur more than once in a DNA molecule.

For example,

Given s = "AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT",

Return:
["AAAAACCCCC", "CCCCCAAAAA"].

所有的DNA是由核苷酸序列组成，分别用A，C，G 和T来表示，例如，"ACGAATTCCG"。 我们学习DNA时，在DNA中识别重复序列有时很重要。

要求，写一个函数找到出现过多次，并且所包含10个英文字母的子序列。

//

分析，最直接的方法是，创建一个HashTable来记录所有的长度为10的子序列。

组后输出出现次数大于1的。

然而，没办法通过，leetcode， 报错原因是超过内存限制。

public List<String> findRepeatedDnaSequences(String s) {
        List<String> list = new ArrayList<String>();
        if(s == null || s.length() < 10) return list;
        
        HashMap<String, Integer> table = new HashMap();
        int L = 10;
        for(int i = 0; i <= s.length() - L; i++){
            String sub = s.substring(i, i + L);
            if(table.containsKey(sub)){
                table.put(sub, table.get(sub) + 1);
            }else table.put(sub, 1);
        }
        
        Iterator<String> it = table.keySet().iterator();
        while(it.hasNext()){
            String key = it.next();
            if(table.get(key) > 1)
                list.add(key);
        }
        return list;
    }

改进方案：

1. 第一输出List改用LinkedList而非ArrayList(原因在于两个List性质不同)。

2. HashMap中的Key是长度为string，也就是说，他所占有的内存大小约为2 * 10字节。继续分析发现所有字符串只包含四个不同的字符（A，C，G 和T），我们可以用2 bit来表示。这样自然会想到把string映射到一个整数空间，因为每个字符串可以唯一的用2*10 bit来表示。

3. HashMap中的值Value，也可以换成Boolean（只有1bit）。

一下是修改后的算法。

private int myHash(String s){
        int n = 0;
        for(int i = 0; i < s.length(); i++){
                n <<=2;
                char c = s.charAt(i);
                if(c == 'C'){
                    n += 1;
                }else if(c == 'G'){
                    n += 2;
                }else if(c == 'T'){
                    n += 3;
                }
        }
        return n;
    }
    
    public List<String> findRepeatedDnaSequences(String s) {
        List<String> list = new LinkedList<String>();
        if(s == null || s.length() < 10) return list;

        HashMap<Integer, Boolean> table = new HashMap<Integer, Boolean>();
        int L = 10;
        for(int i = 0; i <= s.length() - L; i++){
            String sub = s.substring(i, i + L);
            int hs = myHash(sub);
            if(table.containsKey(hs)){
                if(!table.get(hs)) list.add(sub);
                table.put(hs, true);
            }else{
                table.put(hs, false);
            }
        }
        return list;
    }