KMP算法详解.pdfVIP

KMP 算法详解 1.如果机房马上要关门了，或者你急着要和 MM 约会，请直接跳到第六个自然段。 2.我 们这里说的 KMP 不是拿来放电影的（虽然我很喜欢这个软件），而是一种算法。KMP 算法是拿来处理 字符串匹配的。换句话说，给你两个字符串，你需要回 答，B 串是否是 A 串的子串（A 串是否包含 B 串）。比 如，字符串 A=Im matrix67 ，字符串B=matrix ，我们就说B 是 A 的子串。你可以委婉地问你的MM ：“假如 你要向你喜欢的人表白的话，我的名字是你的告白 语中的子串吗？” 3.解决这类问题，通常我们的方法是枚举从 A 串的什么位置起开始与 B 匹配，然后验证是否匹配。假如 A 串长度为n ，B 串长度为 m ，那么这种方法的复杂度是O (mn) 的。虽然很多时候复杂度达不到mn （验证时只看 头一两个字母就发现不匹配了），但我们有许多“最坏情况”，比如，A= aaaaaaaaaaaaaaaaaaaaaaaaaab ， B=aaaaaaaab 。我们将介绍的是一种最坏情况下O(n) 的算法（这里假设 m=n ），即传说中的KMP 算法。 4.之所以叫做 KMP ，是因为这个算法是由 Knuth 、Morris 、Pratt 三个提出来的，取 了这三个人的名字的头 一个字母。这时，或许你突然明白了 AVL 树为什么叫 AVL，或者Bellman-Ford 为什么中间是一杠不是一个点。 有时一个东西有七八个人研究过，那怎么命名呢？通常这个东西干脆就不用人名 字命名了，免得发生争议，比 如“3x+1问题”。扯远了。 5.个人认为 KMP 是最没有必要讲的东西，因为这个东西网上能找到很多资料。但网上 的讲法基本上都涉及 到“移动(shift)”、“Next函数”等概念，这非常容易产生误解（至少一年半前我看这些资料学习 KMP 时就没搞清楚）。 在这 里，我换一种方法来解释 KMP 算法。 6.假如，A=abababaababacb ，B=ababacb，我们来看看 KMP 是怎么工作的。我们用两个指针 i 和 j 分别 表示，A[i-j+ 1..i] 与 B[1..j]完全相等。也就是说，i 是不断增加的，随着 i 的增加j 相应地变化，且 j 满足以 A[i] 结尾的长度为j 的字符串正好匹配B 串的前 j 个字符（j 当然越大越好），现在需要检验A[i+1]和 B[j+1] 的关系。 当A[i+1]=B[j+1]时，i 和j 各加一；什么时候j=m 了，我们就 说 B 是 A 的子串（B 串已经整完了），并且可以根 据这时的 i 值算出匹配的位置。当 A[i+1]B[j+1] ，KMP 的策略是调整j 的位置 （减小j 值）使得 A[i-j+1..i] 与 B[1..j]保持匹配且新的 B[j+1]恰好与 A[i+1]匹配（从而使得i 和j 能继续增加）。{一般情况下是让j 的值减一：j=j -1， 即让B 串向后挪一个位置再判断}；我们看一看当 i=j=5时的情况。 i = 1 2 3 4 5 6 7 8 9 …… A = a b a b a b a a b a b … B = a b a b a c b j = 1 2 3 4 5 6 7 此 时，A[6]B[6] 。这表明，此时j 不能等于5了，我们要把j 改成比它小的值j 。j 可能是多少呢？仔细想 一下，我们发现，j 必须 要使得 B[1..j] 中的头j 个字母和末 j 个字母完全相等（这样 j 变成了 j 后才能继续保持 i 和j 的性质）。这个j 当然要越大越好。在这里，B [1..5]=ababa ，头3个字母和末3个字母都是aba。而当新的j 为3时，A[6]恰好和 B[4]相等。于是，i 变成了6，而j 则变成了 4 ： i = 1 2 3 4 5 6 7 8 9 …… A = a b a b a b a a b a b … B = a b a b a c b j = 1 2 3 4 5 6 7 从 上面的这个例子，我们可以看到，新的 j 可以取多少与 i 无关，只与 B 串有关。我们完全可以预处理出 这样一个数组 P[j] ，表示当匹配到 B 数组的第 j 个字母而 第 j