几种模式匹配算法的效率分析.pdfVIP

第27卷 第2期 大庆师范学院学报 V01．27 No．2 2007年4月 JOURNAL OF DAQING NORMAL UNIVERSnTY Apil1．2Oo7 几种模式匹配算法的效率分析 巫 喜 红 (嘉应学院计算机科学与技术系，广东梅州514015) 摘 要：分析几种模式匹配算法如KMP、BM、RK、SO。通过上机实验对这些算法的匹配时间进行测试，结果表明在 这些模式匹配算法中BM算法是速度最快效率最高的算法。 关键词：模式匹配；KMP算法；BM算法；RK算法；SO算法 作者简介：巫喜红(1975一)，女，广东丰顺人，嘉应学院计算机科学与技术系讲师。 中图分类号：TP301．6 文献标识码：A 文章编号：1006-2165(2007)02-0050-03 收稿日期：2006—12—30 0引言 模式匹配算法一直是研究焦点之一，它应用非常广泛，如拼写检查、语言翻译、数据压缩、搜索引擎、网 络入侵检测、计算机病毒特征码匹配等。 l模式匹配算法 字符串的的定位操作通常称作串的模式匹配，是一种重要的串运算 。模式匹配的定义为：对于给定 的正文主串T=T ……T (长度为 n)和模式串P=P ……P (长度为 m)，(nm)，要求在主串 T中寻找 等于模式串P的子串，如果在T中找到等于P的子串，则称匹配成功，函数值返回为 P中第一个字符相等 的字符在主串T中的序号，否则称为匹配失败，函数值返回为0。 在研究各算法前，作如下一些相关定义： 字符集：C={CI C在正文中出现} 正文串T：Tl T2……T。…Ti+ 一．…T 模式串 P：Pl…Pi…P 1．1 KMP算法 KMP算法的思想是：若某趟匹配过程中T[i]和 P[J]不匹配，而前J一1个字符已经匹配，此时只需右 移 P，T不动，即指针 i不回溯，让 P[k]与T[i]继续比较。移动后重新开始比较的位置 k仅与模式串有关， 因此 k可以事先确定。若定义函数 next(J)=k，则 next函数的定义为： next(j)=max{k I P[1．．k一1]=P[J—k+1．．j一1]} KMP算法将模式串向右滑动可以提高匹配算法的效率，但相对比较复杂，时间复杂度为 O(m+s)，空 间复杂度为O(s)。 1．2 BM算法 J 受KMP算法的启发，Boyer和 Moore提出了一种新的字符串快速匹配算法——BM算法。它是从另外 一 个角度出发，提出一种比较新颖的方法来求解模式匹配问题。其基本思想是从右向左的把模式同文本 做比较。开始时仍是 P的最左边与T的最左边对齐，当某趟比较中出现不匹配时，BM算法采用两条启发 性规则计算模式串右移的距离，即坏字符启发规则和好后缀启发规则；当与最右的模式符号做比较的文本 符号在模式中根本就没有出现，则模式可以在这个文本符号之后移位 m个位置。 BM算法的关键是，对模式串P定义一个从字母到正整数的映射函数distl， distl：c一{1，2，…，nl} distl也称为滑动距离函数，给出了可能出现的任意字符 c在模式串中的位置。distl函数定义：具体 50 定义如下 ： 叭 小 j= 【m一，j= {l[j]=c，≤≤m一}，其它情况J) J ma x max J P 1 J 1 它情况 BM算法的思想是：如果在执行正文中从第 i个位置起返前一段与模式匹配检查中，一旦出现不匹配， 立即执行由 P 与 T [T[i]]起始的从左到右的新一轮的匹配。 BM算法在预处理阶段时间复杂度为O(m+s)，空间复杂度为 O(s)；在搜索阶段时间复杂度为 O(m n)，最坏情况下要比较进行 3 n次比较，最好情况下时间复杂度为 O(n／m)。 1．3 RK算法 ¨ RK算法是 Turing奖获得者 M．O．Rabin和 R．M．Karp在 1981年提出来的，该算法采用了与 KMP算 法和 BM算法完全不同的方法。该算法利用 Hash方法和素数理论，首先定义一个 Hash函数，然后