串匹配问题及其算法分析.docVIP

串匹配问题及其算法分析 赵丽娜 （陕西师范大学 计算机科学学院 计算机科学与技术3班 学号 摘要：串匹配问题是算法设计中的经典问题，本文主要通过对BF算法，KMP算法和BM算法的研究，分析这三种算法在求解串问题时的优缺点并进行了比较。 关键词：串匹配问题 BF算法 BM算法 KMP算法 比较 问题描述 何为“串匹配问题”？给定两个串S=”t1t2...tn”和T=”t1t2…tm”，在主串S中查找子串T的过程称为串匹配（也称为模式匹配），T称为模式。在文本处理系统、操作系统、编译系统、数据库系统以及Internet信息检索系统中，串匹配是使用最频繁的操作。串匹配问题的算法复杂程度不高，并且具有下面两个特征：（1）问题规模n很大，常常需要在大量的信息中进行匹配，因此，算法的一次执行时间不容忽视；（2）匹配操作经常被调用，执行频率高，因此，算法改进所取得的效益应积累往往比表面上看起来要大得多。 求解串匹配问题的常见算法 BF算法 BF算法是应用蛮力法解决串匹配问题的：从主串S的第一个字符开始和模式T的第一个字符进行比较，若相等，则继续比较二者的后续字符；若不相等，则从主串S的第二个字符开始和模式T的第一个字符开始比较，重复上述过程，若T中的字符全部比较完毕，则说明本趟匹配成功；若最后一轮匹配的起始位置是n—m，则主串中剩下的字符不足够匹配整个模式T，匹配失败 伪代码如下： 在串S和串T中设比较的起始下标i和j； 循环直到S中所剩字符个数小于T的长度或T的所有字符均比较完 2.1如果S[i]=S[j]，则继续比较S和T的下一个字符；否则 2.2将i 和j 回溯，准备下一趟比较； 3、如果T中所有字符均比较完毕，则匹配成功，返回匹配的起始比较下标； 否则，匹配失败，返回0； BF算法简单但是效率很低，造成其效率低的原因是回溯，即在某趟匹配失败后，对于 串S要回溯到本趟匹配开始字符的下一个字符，串T要回溯到第一个字符，而这些回溯往往是不必要的。 KMP算法 KMP算法的基本思想是主串不进行回溯。即希望某趟在Si和Sj匹配失败后，指针i不回溯，模式T向右滑动至某个位置k，使得Tk对准Si继续进行匹配。也就是利用已经部分匹配的结果信息，减少回溯。I可以不回溯，模式向右滑动到新的比较点k，并且k仅与模式串T有关。显然，关键问题是如何确定位置k?这里我们要提到有关前缀的知识。模式T=”t1t2…tm”中的每一个字符Tj都对应一个k值，这个k值仅依赖于模式本身字符序列的构成，而与主串无关。用next[j]表示Tj对应的k 值（1=j=m）,则T1….Tk-1既是T1…Tj-1的真前缀又是T1…Tj-1的真后缀的最长子串，经分析知，k等于串t1t2……ti-1的既是真前缀又是真后缀的最长字串加1。 Next数组定义如下： Next[j]=1 j=1 Next[j]=max{k|1=kj且t1t2…..tk-1=tj-k+1tj-k+2…..tj-1} Next[j]=1 其他情况 KMP算法中求next数组 Void GetNext(char T[],int next[]) { Next[1]=0; J=1;k=0; While(jT[0]) If((k==0)||T[j]==T[k])){ J++; K++; Next[j]=k; } Else k=next[k]; } KMP算法的伪代码描述 在串S和串T中分别设比较的起始下标i和j; 循环直到S中所剩字符长度小于T的长度或T中所有字符均比较完毕 2.1如果S[i]=T[j]，则继续比较S和T的下一个字符；否则 2.2将j向右滑动到next[j]位置，即j=next[j]； 2.3如果j=0,则将i和j分别加1，准备下一趟比较； 3．如果T中所有字符均比较完毕，则返回匹配的起始下标，否则返回0； BM算法 BM算法与KMP算法的区别是匹配操作的方向不同。虽然BM算法仅把匹配操作的字符比较次序改为从右至左，但匹配发生失败时，模式T右移的计算方法却发生了较大变化。 函数dist定义如下： Dist(c)=m-j j=max{j|tj=c且1=j=m-1} Dist(c)=m 若c 不出现在模式中或tm=c BM算法的基本思想：假设将主串中自位置i起往左的一个子串与模式进行从右到左的匹配过程中，若发现不匹配，则下次应从主串的i+dist(Si)位置开始重新进行新一轮匹配，其效果相当于把模式和主串均向右滑过一段距离dist(Si)，即跳过dist(Si)个字符而无需进行比较。 Dist(c) 函数的C++描述： voi