DNA序列
描述
一个 DNA 序列由 A/C/G/T 四个字母的排列组合组成。 G 和 C 的比例（定义为 GC-Ratio ）是序列中 G 和 C 两个字母的总的出现次数除以总的字母数目（也就是序列长度）。在基因工程中，这个比例非常重要。因为高的 GC-Ratio 可能是基因的起始点。
给定一个很长的 DNA 序列，以及限定的子串长度 N ，请帮助研究人员在给出的 DNA 序列中从左往右找出 GC-Ratio 最高且长度为 N 的第一个子串。
DNA序列为 ACGT 的子串有: ACG , CG , CGT 等等，但是没有 AGT ， CT 等等
数据范围：字符串长度满足 1≤n≤1000，输入的字符串只包含 A/C/G/T 字母
输入描述：
输入一个string型基因序列，和int型子串的长度
输出描述：
找出GC比例最高的子串,如果有多个则输出第一个的子串
示例1：
输入
java">ACGT
2
输出
java">CG
说明
ACGT长度为2的子串有AC,CG,GT3个，其中AC和GT2个的GC-Ratio都为0.5，CG为1，故输出CG
示例2：
输入
java">AACTGTGCACGACCTGA
5
输出
java">GCACG
说明
虽然CGACC的GC-Ratio也是最高，但它是从左往右找到的GC-Ratio最高的第2个子串，所以只能输出GCACG。
思路分析：
题目中主要信息：
- 输入的字符串中只有ACGT四种字符
- 限定长度为nnn的子串，求其中CG比例最高的第一个子串
- 解读： 长度限定的情况下，要找比例越高即找出现次数越多
可以有两种方法：
-
暴力搜索：遍历字符串每个位置作为起始，然后遍历以这个字符作为起始的长为n的子串，分别统计子串中CG的数量，与之前记录的最大值比较，然后更新记录下最大值及最大CG含量子串的起始位置。
最后根据最终的起始位置和长度n利用substr函数输出，这样由左到右地找出来的就一定是第一个。
时间复杂度：O(mn)，其中m为字符串的长度，n为限定的子串长度，需要遍历字符串每个位置为起点的子串
这里就不写了。
-
滑动窗口：首先用一个长度为n的窗口覆盖字符串前n部分子串，统计这里的CG数量，并暂时作为最大值。然后窗口右移，如果左边出去的是CG那么窗口内的CG数量减少一个，如果右边进来的是CG那么窗口内的CG数量增加一个，每次滑动都统计窗口内的CG数量，与临时最大值比较，记录下最大窗口的起始下标。
窗口右端抵达字符串末尾时结束，根据下标用substr函数输出字符串含CG最高的子串。
时间复杂度：O(m)，其中m为字符串的长度，窗口滑动相当于遍历字符串
参考代码：
Java代码实现滑动窗口方法：
java">import java.util.*;
public class Main {
public static void main (String[] args) {
Scanner in = new Scanner(System.in);
while (in.hasNext()) {
String str = in.nextLine();
int n = in.nextInt();
char[] ch = str.toCharArray();
int start = 0, count = 0, max = 0;
for (int i = 0; i < n; i++) { // 最开始的窗口
if (ch[i] == 'C' || ch[i] == 'G') {
count++;
}
}
max = count; // 最开始窗口的GC数量
int left = 1, right = n; // 从录入窗口的左右点右移一位开始
while (right < ch.length) {
if (ch[left - 1] == 'C' || ch[left - 1] == 'G') { // 左边出去的是CG
count--;
}
if (ch[right] == 'C' || ch[right] == 'G') { // 右边进来的是CG
count++;
}
if (count > max) {
max = count;
start = left;
}
left++;
right++;
}
System.out.println(str.substring(start, start + n));
}
}
}
