什么是DNA模式匹配中最快的算法

Question

假设我们有一个长度为数百万的字符串S.字符串只包含'a''t''g''c'，我们有一个长度大约为20的模式W.在C ++中，在S中找到所有W的最快算法是什么？看来KMP还不够快。

Answer 1

KMP在S + W中是线性的。你不可能比这更快。

您至少需要读取数据，这也是线性的。因此，即使您的算法是即时的，您仍然无法比KMP做得更好。

我怀疑你读取数据或以破坏缓存的方式遍历数据时出错了。

Answer 2

你可以试试Suffix Tree但是，如果你只处理一次，那么树需要O（n log n）来创建，所以KMP对单次检查来说更快。因此，如果您有多个不同的'W'可以找到，那么我会使用后缀树，否则KMP可能是您最好的选择。

来自维基百科的文章：

  

字符串的后缀数组可用作快速定位的索引   字符串S中每次出现子串模式P.查找   模式的每次出现都等同于查找每个后缀   以子字符串开头。感谢词典   在排序时，这些后缀将在后缀数组中组合在一起   并且可以通过两次二进制搜索有效地找到。