Repeated DNA Sequences|leetcode题解

解题思路：

哈希表+位操作

一、算法分析

1.模式串编码

编码方式：手动编码和计算编码

A--00

C--01

G--10

T--11

或

A--(A-A+1)%5=1%5=1=01

C--(C-A+1)%5=3%5=3=11

G--(G-A+1)%5=7%5=2=10

T--(T-A+1)%5=20%5=0=00

那么每个模式串就是一个数字组合如

ACGTACGTCT--01111000011110001100

一个int类型有32位，使用其中低20位表示编码

20位0、1串共有2^20种组合。因此，hashTable的大小为2^20=1024*1024

2.字符串的遍历

初始10个字符进行初始编码，然后每右移一个字符，则将编码左移2位，并将第21、22位0置，最低的两位置最新字符的编码

3.时间和空间复杂度

时间复杂度O(n)

空间复杂度O(1)

二、源码实现

#include<iostream>
#include<string>
#include<vector>
using namespace std;

vector<string> findRepeatedDnaSequences(string s){
    vector<string> ret;
    size_t n=s.size();
    if(11>n)return ret;
    char hashTable[1024*1024]="";
    int hashValue=0;
    for(size_t i=0;i<10;++i){
        hashValue=hashValue<<2|((s[i]-'A'+1)%5);
    }
    hashTable[hashValue]=1;
    for(size_t i=10;i<n;++i){
        hashValue=(hashValue<<2)&(~0x300000)|(s[i]-'A'+1)%5;
        if(0==hashTable[hashValue])hashTable[hashValue]=1;
        else if(1==hashTable[hashValue]){
            hashTable[hashValue]=2;
            ret.push_back(s.substr(i-9,10));
        }
    }

    return ret;
}
int main(){
    string s="AAAAACCCCCAAAAACCCCCCAAAAAGGGTTT";
    vector<string> ret=findRepeatedDnaSequences(s);
    for(size_t i=0;i<ret.size();++i){
        cout << ret[i] << endl;
    }    
	return 0;
}

参考链接：

http://www.cnblogs.com/hzhesi/p/4285793.html

https://leetcode.com/discuss/29623/11ms-solution-with-unified-hash-fxn