【题04】计算最长重复子串--试题解析.docVIP

串运算的应用——子串模式匹配 设s 为主串，t为模式串，q为s中第一个与t相等的子串。所谓模式匹配指的是 ⑴若q存在，q的首字符在s中的位置； ⑵若q不存在，kmp算法就是其中最出色的一个算法。我们从一个实例引出讨论 【题4】计算最长重复子串 在一个字串中，多次出现的子串称为重复子串。如果这样的子串有多个，则其中长度最长的子串称为最长重复子串。例如s abcdacdac，t cdac为s的最长重复子串。请你在尽可能短的时间内找出最长重复子串。 输入：字符串s，长度不超过255 输出：s的最长重复子串 分析： 1、kmp算法 朴素的串匹配算法的时效之所以不尽人意，是因为有重复的计算。看下面的例子： 模式t ‘ATATACG’的第6个字符在当前位置无法匹配，朴素的串匹配算法将k递增1，从t的第一个字符开始重新匹配，但实际上此时可将k递增2，从t的第4个字符开始匹配，因为在这之间的匹配肯定会失败。类似的例子随着数据量的增大而越来越多，朴素的串匹配算法将做更多的重复工作，使得时效很低。为什么可以让k递增2，从t的第4个字符开始匹配呢？这是由t的性质决定的。 如上图所示，t的前缀‘ATA’恰好是t的前缀‘ATATA’的后缀，所以如果直到‘ATATA’都匹配成功，而‘ATATAC’匹配失败，则主串s的子串sk+2‥sk+4必定为‘ATA’（因为‘ATATA’在k处匹配成功，sk‥k+4 ‘ATATA’），于是t的前缀‘ATA’肯定在k+2处匹配成功。KMP算法正是利用了这种特性使得算法的时间复杂度降为O n+m 。 算法的关键是求t的前缀函数next，使得next[j] max k | k j t1‥tk-1 tj-k+1‥tj-1 。 next[j] 例如模式串‘ATATACG’ J 1 2 3 4 5 6 7 模式 A T A T A C G next[j] 0 1 1 2 3 4 1 观察上表 t[1] t[1]，得出next[2] next[1]+1 1； t[1]≠t[2]，得出next[3] 1； t[3] t[4] ’A’，得出next[4] next[3]+1 2； t[1..2] t[3..4] ’AT’，得出next[5] next[4]+1 3； t[1..3] t[3..5] ‘ATA’，得出next[6] next[5]+1 4； t[6]前的任何一个前缀都不含字符‘C’，得出next[7] 1。 显然，在s与t顺序匹配的过程中，如果t[j]与主串s的当前字符不匹配，则s的当前字符与t[next[j]]比较，不需要从t[1]开始重新比较。移动的位置与s无关，取决于模式串t本身，求next j 实际上就相当于用t匹配t的过程。由于这个匹配过程是按照字符顺序依次进行的，因此是一个递推过程。设 Type nexttype array[1..255]of integer； Var next：nexttype； t的前缀函数 我们通过get_next过程计算模式串t中每个字符的next值 procedure get_next t ：string；var next：nexttype ； var j，k ： integer； begin j←1； k0； next[1]0； 初始化 while j length t do 循环，next值 if k 0 or t[j] t[k] then begin 若不存在可匹配的子串或比较相等，next[j+1]←next[j]+1 j←j+1； kk+1； next[j]k； end then else k←next[k]； 否则依次类推找更短的子串 end； get_next t的串长为m，则get_next过程的时间复杂度为W（m）。 2、使用kmp算法寻找子串 我们定义index s，t t 在主串s中位置的函数。让模式串t自左至右在主串s上滑动进行匹配检查。设q为s中第一个与t相等的子串，q存在，index s，t q的首字符在s中的位置， t不能是空串 。 例如：a bei；b beiging；c i； index b，a 1； index b，c 3； index c，a 0； index s，t next计算模式串t在主串s中的位置：模式匹配分别从s串和t串的首字符开始，s的第i个字符与模式串t的第j个字符匹配（（j 0）or（s[i] t[j]）），i指针和j指针（i←i+1；jj+1）； ⑵如果主串s的第i个字符与模式串t的第j个字符匹配失败时（（j 0）and（s[i] t[j]）），si个字符应与t中第k（k next[j]）个字符再比较。 上述过程一直进行到t串分析完或者s串分析完为止： ⑴如