LeetCode187-重复DNA序列

1 前言 

 1.2 分析

从题目中分析可以得。我们要寻找字符串s中重复出现长度为10的字串。

如下图所示：

【第一步】当我们获取一个字串“AAAAACCCCC”，我们将他存入一个seen：map中

 【第二步】获取字串“AAAACCCCCA”，判断seen：map中是否存在，如果存在则其是答案的一部分，否则继续加入到seen：map当中

 【第三步】重复上述步骤直到结束。

---

由于我们要获取字串，那么直接用s.substring()方法，其时间复杂度为O(L), 其中L为字串的长度。

由因为我们需要遍历整个字串，其时间复杂度为O(N)。

因此总时间复杂度为O(NL)相当于暴力求解。

我们能否 降低subString()函数的使用次数？来提高效率呢？

我们可以将一个字串“AAAAACCCCC” 映射为一个hash值。

hash值的计算和更新操作复杂度为O(1)，可以代替subString()的使用，从而提高效率。

1.3 代码

package cn.msf.array;

import java.util.HashMap;
import java.util.HashSet;
import java.util.LinkedList;
import java.util.List;

/**
 * @author : msf
 * @date : 2022/12/21
 * 重复的DNA序列
 */
public class FindRepeatedDnaSequences {
    public static void main(String[] args) {
        String s = "AAAAACCCCCAAAAACCCCCAAAAAGGGTTT";
        List<String> res = new FindRepeatedDnaSequences().findRepeatedDnaSequences(s);
        System.out.println("res = " + res);
    }
    public List<String> findRepeatedDnaSequences(String s) {
        int[] nums = new int[s.length()];
        for (int i = 0; i < nums.length; i++) {
            switch (s.charAt(i)) {
                case 'A':
                    nums[i] = 0;
                    break;
                case 'G':
                    nums[i] = 1;
                    break;
                case 'C':
                    nums[i] = 2;
                    break;
                case 'T':
                    nums[i] = 3;
                    break;
            }
        }
        // 存放重复出现的哈希值
        HashSet<Integer> seen = new HashSet<>();
        // 记录重复出现的字符串结果
        HashSet<String> res = new HashSet<>();

        // 数字位数
        int L = 10;
        // 进制
        int R = 4;
        // 存储R^(L-1)次方的结果
        int RL = (int) Math.pow(R, L - 1);
        int windowHash = 0;

        // 互动窗口代码
        int left = 0;
        int right = 0;
        while (right < nums.length) {
            windowHash = R * windowHash + nums[right];
            right++;

            // 当子串的长度达到要求
            if (right - left == L) {
                if (seen.contains(windowHash)) {
                    // 当窗口中的字串是重复出现的
                    res.add(s.substring(left,right));
                } else {
                    // 当窗口中的字串之前没有出现过.
                    seen.add(windowHash);
                }
                // 缩小窗口，移除字串，炳辉hash值
                windowHash = windowHash - nums[left] * RL;
                left++;
            }
        }
        return new LinkedList<>(res);
    }
}