有什么算法可以应用于该程序？

Question

我正在做一个实习生，编写一个程序来进行基因匹配。

例如： 文件“ A”包含一些基因类型的字符串。 （原始数据未排序） rs17760268 rs10439884 rs4911642 rs157640 rs1958589 rs10886159 rs424232 ....

文件“ B”包含上述的90万个rs号（也未排序）

我的程序现在可以得到正确的结果，但是我想使其更加高效。

是否有可以应用到该程序的算法？

顺便说一句，我将尝试使我的程序进行多处理，看看它是否具有更好的性能。

pseudocode:
read File "A" by string, append to A[]
A[] = rs numbers from File "A"

read File "B" by string
for gene_B in file_B_reader:
    for gene_A in A:
        if gene_A == gene_B:
            #append to result[]

Answer 1

我认为不需要先进行任何排序。

• 将较大的列表B处理为hashmap或hashset，分摊O（n）
• 遍历列表A，如果不在列表B中，则从O中删除O（m）
• 返回A

总计：O（n + m）

Answer 2

从描述中看来，您希望result[]包含rs和A（也称为Intersection）中的B个字符串。

您的算法是O(n*m)，但是您可以通过首先对两个文件进行排序（O(n*logn)进行基于比较的排序），然后同时从两个文件中读取并增加其中的位置，来轻松地改善这一点具有较低的当前rs数字，并同时向result[]添加匹配项。

Answer 3

尽管您的解释还不清楚，但我想您是将A值附加到列表中。而是使用字典，您可以更高效地查找A。