KMP算法分析算法设计.docVIP

KMP算法分析 王法金 （安徽中医学院，医药信息工程学院，安徽 合肥 230031）） 摘 要：随依靠软件来检测，是越来越显得力不从心。伴随着FPGA技术的发展，在硬件上实现模式匹配，来提高网络数据处理速度的需求越来越普遍。把搜索算法固化到FPGA里，从而可以大大提高算法的速度，适应科技的迅速发展。 综合考虑现有的比较成熟的模式匹配算法，并且追踪国外基于FPGA技术来实现模式匹配的研究成果，认为在硬件实现方面，KMP算法效率较高，结构简单，可行性强，而且易于对主串进行多模式的匹配，所以选其作为模式匹配硬件模块的核心算法，通过硬线逻辑来进一步提高串模式匹配的效率。本文KMP算法程序设计部分主要分为三个部分：模式串输入、next函数的计算、字符串的匹配。着网络技术的迅猛发展，所要检测的数据包越来越多，通过上网和查阅相关文献，我了解到如果单纯的 关键词：模式匹配算法；； 中图分类号：T 文献标识码：A 文章编号：1003－5060（2009）10－0000－0Hefei 230031, China） Abstract：This part of KMP Algorithm Programming is divided into three parts: the pattern string entered, next function calculation, string matching. Key words：Pattern matching algorithm；；引 言 1.1 模式匹配定义 字符串的模式匹配问题的形式化定义如下： 在字符集Σ上，给定一个长度为N的文本字符串T[1…N]，以及一个长度为M的模式 字符串Pi[1…M]。模式集数量用k来表示，模式集用P={pl，p2…，pk}来表示。如果对于l=S=N，存在T[S+1…S+M]=Pi[1…M]，则模式Pi在文本T的位置S处出现，即模式与文本匹配。字符串的模式匹配问题就是要寻找P在T中是否出现，以及出现的位置。 1.2单模式匹配 KMP算法是Knuth等人在BF算法的基础上提出来的。从本质上讲，KMP算法就是出现不匹配情况下带有智能指针初始化的BF算法。为了在不匹配时重新定位指针，KMP算法需要进行预处理算出一个Shift表来。 基本思想：KMP算法利用已匹配成功部分的信息，即前缀(模式字符串中存在的相同子串)，可以使模式字符串向前推进若干个字符位置，而不只是一个字符，避免了重复比较，同时也实现了文本字符串指针的无回溯。要点是：我们能够通过预先对模式的分析获得知识，即如果在模式的位置l或2匹配失败则移动1个位置，如果在模式的位置3匹配失败则移动2个位置，如果在模式的位置4匹配失败则移动3个位置，以此类推。 算法描述[9]： 当模式匹配执行到比较字符Ti和Pi，其中l=i=n，l=j=m。 (1)若Ti=Pj则继续往右作匹配检测，即对Ti+1和Pj+l；进行匹配检测。 (2)若Ti≠Pj时则分两种情况进行讨论： 第一种情况：若j=l，则对Ti+l和Pi进行匹配检测，即把模式和正文向右移动一位再从模式的第一个字符进行匹配。 第二种情况：若lj=m，我们将试图在模式中找到一个合适位置再进行比较，我们把这个下标记做next[j]。执行Ti和next[j]的匹配，其中next[j]的构造是算法的核心，约定如下： Next[j]=-1,当j=0时 Next[j]=max｛k|0kj且“P0 P1…Pk-1”=“Pj-k Pj-k+1…Pj-1”｝此集合不为空集 Next[j]=0，其他情况 由于本文主讲的是KMP算法，估计我们举例详细说明，如主串为ababcabcacbab，模式串为abcac，匹配过程如下图2-1: 图2-1 一般情况下，假设主串为s0s1…sn-1，模式串为p0p1…pm-1，从上例的分析可知，为了实现改进算法，需要解决下述问题：当匹配过程中产生“失配”（即si≠pj）时，模式串“向右滑动”可行的距离有多远，换句话说，当主串中字符Si与模式中字符Pj “失配”（即比较不等）时，主串中字符Si（i指针不回溯）应与模式中哪个字符再比较？ 假设此时主串中字符Si应与模式中字符Pk（k＜j）继续比较，则模式中字符Pk前面k个字符的子串必须满足下列关系式（f-1），且不存在k＞k满足下列关系式p0p1…pk-1 = si-ksi-k+1…si-1 (f-1) 图2-2 图2-2模式串与主串的对应关系一 当主串中字符Si与模式中字符Pj “失配”时，已经得到的“部分”匹配结果是： pj-kpj-k+1…pj-1=si-ksi-k+1…s