BM算法概念.docVIP

BM算法概念 ? BM算法是一种精确字符串匹配算法（区别于模糊匹配）。 ? BM算法采用从右向左比较?的方法，同时应用到了两种启发式规 则，即坏字符规则?和好后缀规则?，来决定向右跳跃的距离。 BM算法思想 1、三个shift函数：d1,d2,d3，函数的作用是决定当匹配不成功时窗口的 移动位数。 2、假设一个情况：已经读入了一个既是搜索窗口中的 文本的后缀，同时也是模式串后缀的字符串u,并且读入的下一个文本字符σ与模式串的下一个字符a不相等。 3、窗口安全移动是指窗口移动意味着读入新的字符， 放弃上一个窗口的前面几个字符，要保证放弃的字符确实无法参与匹配。窗口移动方向是从前向后。算法的核 心思想是对于模式串，可能至少有2个相同部分，这些部分肯定有一个在模式串的后缀，其它的部分可能在模式串的中间， 也可能在模式串的前缀，在后缀搜索时，发现了文本串和模式串的部分匹配X，此时，如果模式串除了后缀外，其它部分还含有X，则使文本串和模式中发生不匹配的读入的字符加上原来的匹配的X形成的部分有可能与模式串其它部分的X发生匹配（如果与模式串 所有的X不匹配，则说明这个窗口内不可能发生匹配），安全地向后移动窗口，放弃的部分肯定 不会发生匹配了。 1） d1:后缀u在模式串p中的另一个位置是最右出现位置是j（不包括在模式串尾的出现 ）,文本串的窗口安全移动方法是将窗口移动m-j字符，使文本中的 u与模式串中最右边的u的出现位置相对齐。对模式中的每个后缀，计算它到 它的下一个出现之间的距离，即shift的d1，如果P的后缀u不在P中重复出现，则d1(u)被置为模式串长度m 2）d2:后缀u不出现在p中的任何其他位置。但u的后缀v可能是模式串p的一个前缀，需要对模式串所有的后缀计算第二个函 数d2。对于P的每个后缀u,d2(u)表示既是P的前缀，同时也是u的后缀的最长字符串v的长度. 3）d3:在搜索窗口中从后向前搜索时，在文本字符σ处不能成功匹配。保证下一次验证时文本 字符σ一定与模式串中的一个字符σ相对应（即：使上次匹配不成功的那个字符能在模式串的第二个 X部分匹配成功，在模式串中找到这个字符，该字符是X的前面一个字符），对每个字母表中的每个字符σ，d3(σ)表示σ在模式串的最右出现位置到模式串末尾的距离， 如果σ不在P中，d3为m 4、读入文本字符串u并在字符σ上不匹配时，进行如下几次比较： 1）第一次：取 d1(u)和d3(σ)中较大值。2）第二次:以上面的比较结果与m-d2(u)中的较小者，因为后者是最大的安全移动距离 。 5、如果抵达了窗口的起始位置，说明发现阶段一个成 功匹配，用d2计算窗口的下一次移动距离，进行继续匹配。 BM算法的基本流程图解? 设文本串T，模式串为P。首先将T与P进行左对齐，然后进行从右向左比较 ?，如下图所示: ???若是某趟比较不匹配时，BM算法就采用两条启发式规则，即坏字符规则?和好后缀规则?，来计算模式串向右移动的距离，直 到整个匹配过程的结束。 ??? 下面，来详细介绍一下坏字符 规则?和好后缀规则?。 ????首先，诠释一下坏字符和好后缀的概念。请看下图： ???? 图中，第一个不匹配的字符（红色部分）为坏字符，已匹配部分（绿 色）为好后缀。 ??? 1）坏字符规则 （Bad Character）： ?在BM算法从右向左扫描的过程中，若发现某个字符 x不匹配，则按如下两种情况讨论： i.? 如果字符x在模式P中没有出现，那么从字符x开始的m个文本显然不可能与P匹配成功，直接全部跳过该区域即可。 ii. 如果x在模式P中出现，则以该字符进行对齐。 ?用数学公式表示，设Skip(x)为P右移的距离，m为模式串P的长度，max(x)为字符x在P中最右位置。 ??????????? ??????????例 1： ???????? 下图红色部分，发生了一次不匹配。 ??????? 计算移动距离Skip(c) = 5 - 3 = 2，则P向右移动2位。 ??????? 移动后如下图： ???????? ????2）好后缀规则（Good Suffix）： 若发现某个字符不匹配的同时，已有部分字符匹配成功，则按如下两种情况讨论： i.? 如果在P中位置t处已匹配部分P在P中的某位置t也出现，且位置t的前一个字符与位置t的前一个字符不相同，则将P右移使t对应t方才的所在的位置。 ii. 如果在P中任何位置已匹配部分P都没有再出现，则找到与P的后缀P相同的P的最长前缀x，向右移动P，使x对应方才P后缀所在的位置。?? ?用数学公式表示，设Shift(j)为P右移的距离，m为模式串P的长度，j 为当前所匹配的字符位置，s为t与t的距离（以上情况i）或者x与P的距离（以上情况ii）。 以上过程有点抽象，所以我们继续图解