算法设计实例教程 第9章 高级算法.ppt

MP是第一个线性时间算法，随后被改进为KMP，它的匹配方式很类似于自动机的识别过程，文本的每个字符与模式的每个字符比较不会超过logΦ(m+1)，这里Φ是黄金分隔比1.618，而随后发现的类似算法——Simon算法，使得文本的每个字符比较不超过1+log2m，这三种算法在最坏情况下都只要2n-1次比较。基于确定性有限自动机的算法对文本字符刚好只用n次访问，但是它需要额外的O(mσ)的空间。一种叫ForwardDawgMatching的算法同样也只用n次访问，它使用了模式的后缀自动机。Apostolico-Crochemore算法是一种简单算法，最坏情况下也只需要3n/2次比较。还有一种不那么幼稚（NotSoNaive）的算法，最坏情况下是n平方，但是预处理过程的时间和空间均为常数，而且平均情况下的性能非常接近线性。9.3信息匹配对于穷举法来说，找到所有匹配位置需要的时间为O(mn)，基于对穷举法改进的结果，我们按照每一趟比较时的比较顺序，把这些算法分为以下四种：2.从右到左：通常在实践中能产生最好的算法BM算法被认为是通常应用中最有效率的算法，它或者它的简化版本常用于文本编辑器中的搜索和替换功能，对于非周期性的模式而言，3n是这种算法的比较次数上界了，不过对于周期性模式，它最坏情况下需要n的二次方。BM算法的一些变种避免了原算法的二次方问题，比较高效的有：ApostolicoandGiancarlo算法、TurboBM算法和ReverseColussi算法。实验的结果表明，QuickSearch算法（BM的一个变种）以及基于后缀自动机的ReverseFactor和TurboReverseFactor算法算是实践中最有效的算法。ZhuandTakaoka算法和BR算法也是BM的变种，它们则需要O(σ2)的额外空间。9.3信息匹配对于穷举法来说，找到所有匹配位置需要的时间为O(mn)，基于对穷举法改进的结果，我们按照每一趟比较时的比较顺序，把这些算法分为以下四种：3.特殊顺序：可以达到理论上的极限最先达到空间线性最优的是Galil-Seiferas和TwoWay算法，它们把模式分为两部分，先从左到右搜索右边的部分，如果没有失配，再搜索左边的部分。Colussi和Galil-Giancarlo算法将模式位置分为两个子集，先从左至右搜索第一个子集，如果没有失配，再搜索剩下的。Colussi算法作为KMP算法的改进，使得最坏情况下只需要3n/2次比较，而Galil-Giancarlo算法则通过改进Colussi算法的一个特殊情况，把最坏比较次数减少到了4n/3。最佳失配和M最大位移算法分别根据模式的字符频率和首字位移，对模式位置进行排序。SkipSearch，KMPSkipSearch和AlphaSkipSearch算法运用“桶”的方法来决定模式的起始位置。9.3信息匹配对于穷举法来说，找到所有匹配位置需要的时间为O(mn)，基于对穷举法改进的结果，我们按照每一趟比较时的比较顺序，把这些算法分为以下四种：4.任意顺序：这些算法跟比较顺序没关系Horspool算法也是BM的一个变种，它使用一种移位函数，而与字符比较顺序不相干。还有其他的变种如：QuickSearch算法，TunedBoyer-Moore算法，Smith算法，Raita算法。9.3信息匹配穷举法又叫暴力法，其特点为：不用预处理，只需常数额外空间，每次把窗口向右移动1，可以以任意顺序比较，搜索时间复杂度O(mn)，字符比较期望次数为2n。穷举法用在字符串匹配上，简单的描述就是，检查文本从0到n-m的每一个位置，看看从这个位置开始是否与模式匹配。这种方法还是有一些优点的，如：不需要预处理过程，需要的额外空间为常数，每一趟比较时可以以任意顺序进行。尽管它的?时间复杂度为O(mn)，例如在文本aaaaaaaaaaaaaaaaaaaaaaaaaaa中寻找aaaaab时，就完全体现出来了。但是算法的?期望值却是2n，这表明该算法在实际应用中效率不低。9.3.1穷举法BF（BruteForce）自动机的方法其实和穷举法有点相似，都是用最简单直白的方式来做事情。区别在于穷举法是在计算，而自动机则是查表。尽管自动机的构造过程涉及到DFA的理论。简单说来，根据模式串，画好了一张大的表格，?表格m+1行σ列，这里σ表示字母表的大小。表格每一行表示一种状态，状态数比模式长度多1。一开始的状态是0，也就是处在表格的第0行，这一行的每个元素指示了当遇到某字符时就跳转到另一个状态。每当跳转到最终状态时，表示找到了一个匹配。先定义这里状态的概念：状态代表当前已经匹配的字符个数。状态转移代表，