KMP算法中next讲解.docx

KMP算法中next[]函数讲解KMP算法的功能是要在主串S中寻找是否存在子串T。理解这个算法的核心是next[]函数。Next[]函数见下面。由于case1和case3情况比较简单，我们仅对case2进行探讨。case2中做的事情是在子串T中（T[1]~T[j]）的范围内找到最大重叠的前缀和后缀。并且要求前缀顶头，后缀顶尾。即前缀从T[1]（即P1）开始，后缀到T[j-1](即P（j-1）)为止。Next[]函数实现如下。程序1如上所示，j为后缀的指针，k为前缀的指针。当T[j]==T[k]时，继续比较T[j+1]和T[k+1]，并且将k赋值给next[j]，此时串T[1]~T[j-1]中，最大匹配前后缀的长度为(k-1)；若T[j]!=T[k]，此时k回溯为next[k]。我们接下来讲解为什么k回溯为next[k]，而不是其他值如图1所示，在子串T中求前后缀最大匹配数量。当T[j]!=T[k]时，即T[j]和T[k]不匹配，但同时也说明之前还是匹配的，如图1两个蓝色块A:T[1]~T[k-1]与B:T[j-k+1]~T[j-1]是匹配的。此时可以将T[1]到T[j]看做串S’，将串T[1]到T[k]看做T’，那么问题转变成主串S’和子串T’的匹配问题，正好对应的是KMP问题。如图2所示。串S’代表主串，串T’代表子串，主串和子串比较到第k位的时候发生不匹配，此时在不减少主串指针j的情况下，寻找子串中新的指针位置k’，使得下一次迭代时，直接比较S’[j]和T’[k’]就可以了（如图3所示）。图1图2图3如图3所示，子串T’在位置k发生与S’不匹配时，k回溯到k’位置。由KMP算法思想可知，k’=next[k]。这就又巧妙借用了KMP算法的思想，从比较宏观的角度解释了为什么不匹配时，k回溯为next[k]。如果你觉得上面的解释还不够形象和具体，下面我们再以微观的实例进一步阐释这一问题：为什么是回溯位置k’是next[k]，而不是其他的值。当k’=next[k]时，根据next函数的含义，此时代表在串T’[1]到T’[k-1]之间，找到最大重叠的前后缀长度为(k’-1)，图4分别用绿色块D和E表示最大匹配的前缀和后缀。由于蓝色块A和块B是匹配的，因此在块B中也存在对应的绿色块F和G，{D、E、F、G}四个绿色块互相都是匹配的，由于这里推断出D和G匹配，因此程序无需再比较（节省计算步骤），那么就可以直接比较S’[j]和T’[k’]了。此时T’[1]对齐S’中的元素S’[j-k’+1]。图4通过上一段的说明，我们知道将k回溯为next[k]是完全可以的，那么k回溯为其他值是否可以呢？接下来我们用反证的方法，先假设可以，推导出矛盾，再推翻。当k回溯为next[k]时，移动子串T’的结果是T’[1]对应S’[j-k’+1]（如图4所示）。反证时我们分别考虑T’[1]对应S’中其他值的几种情况：(1) T’[1]移动后对应S’区间位于{S’[1]~S’[j-k+1]，如图5区间（a）所示； (2) T’[1]移动后对应S’区间是{S’[j-K+1]~S’[j-k’+1]，如图5区间（b）所示;；(3) T’[1]移动后对应S’区间是{S’[j-k’+1]~S’[j]，如图5区间（c）所示。下面分别讨论以上三种情况是否成立。图5若T’移动后T’[1]的位置对应在S’区间(a)的位置m，如图6所示。若此种情况可以匹配，则在S’中必然存在一个绿色块Q (S’[m]~S’[j-1])与T’中H（T’[1]~T’[k’-1]）匹配。由于S’和T’其实是同一个串，因此S’[1]~S’[k-1]与Q (S’[m]~S’[j-1])相匹配，推断出S’[1]~S’[j-1]串中，存在最长匹配前后缀长度为（k’-1）（或j-m）。而由之前所知，k=next[j]，可知S’[1]~S’[j-1]中前后缀最大匹配长度为(k-1)。由于(k’-1) (k-1)，超越了已知的前后缀匹配的最大长度(即绿色部分大于蓝色部分)，因此假设不成立，T’[1]位置不能位于区间(a)。图6若T’移动后T’[1]的位置对应S’的位置m位于区间(b)，如图7所示。此时S’和’对应的匹配部分记为绿色块Q与H，由于S’中前后缀两个蓝色块是匹配的，可以推断出，在蓝色块（S’[1]~S’[k-1]）中，存在前后缀匹配的最大长度就是绿色块H，其长度为(j-m)，大于先前已经知道的蓝色块中前后缀匹配的最大长度（即图5中的绿色部分，长度为图5中所示的k’-1）。也推出矛盾。假设不成立，T’[1]位置不能位于区间(b)。图7若T’移动后T’[1]的位置对应在S’中位置m位于区间(c)中，如图8所示。我们在此说明当前比较时，T’[1]的位置不能越过区间(b)(c)的交界而进入区间(c)，因为这样会遗漏