I。 [8] - [12]。最近已将其用于DNA中数据存储的组合编码研究[13] - [17]。最初以从统一和独立样本收集不同的优惠券来构建,CCP研究了收集所有不同优惠券所需的样品数量的分布。传统上,CCP涉及n个不同的均衡优惠券,在每个样本中,单个优惠券都会重复。在这种情况下,至少一次对每个优惠券进行采样所需的预期样本数为n·hn≈nlog n,其中h n是n -th谐波数。CCP的变体已出现以建模复杂的现实世界系统。 这样的变体[7]是每个优惠券具有其自己的采样概率p i的位置。 另一种变体是仅重新要求r差异优惠券[18] - [21],而不是所有n张优惠券。 此问题称为部分CCP,在几种情况下进行了探索,特别是用于优化收集过程或估计优惠券亚集的概率。 对于该变体,已知样品的预期数为[19]:n·p r - 1 i = 0 1 n -i = n·(h n -h n -h n -n -r)。 部分恢复也与DNA中数据存储的RAM实现有关[22] - [24]。 我们已出现以建模复杂的现实世界系统。这样的变体[7]是每个优惠券具有其自己的采样概率p i的位置。另一种变体是仅重新要求r差异优惠券[18] - [21],而不是所有n张优惠券。此问题称为部分CCP,在几种情况下进行了探索,特别是用于优化收集过程或估计优惠券亚集的概率。对于该变体,已知样品的预期数为[19]:n·p r - 1 i = 0 1 n -i = n·(h n -h n -h n -n -r)。部分恢复也与DNA中数据存储的RAM实现有关[22] - [24]。我们此问题的另一个概括是带有组图的CCP [25] - [27]。这种概括考虑了场景,在这种情况下,每个样本中没有收集单个优惠券,而是收集优惠券的随机子集。每个样品的大小可能是恒定k或随机变量(RV)k。一个人有兴趣表征所需的子集数量的分布,直到在这些样本中至少有一个优惠券中绘制每个优惠券为止。