字符串处理算法.pptVIP

假设所求的结点为v（距r为k+1的结点），他的父亲是v’，v’到v这条边所标定的字母是x，若nv’的下一个字符有x，则设该边的另一个结点为w’，即有nv=w’若nv’到它所有儿子的边所标定的字母均不是x，则字符串L(nv)(表示从根结点到nv所标定的字符串)是L(nv’)的一个后缀跟上x，又因为该后缀与根结点开始的字符串匹配（类似前缀）所以可以检测后面是否有x，如果没有则继续下去。第六章字符串处理算法邹权（博士）计算机科学系6.1问题介绍6.2Z-box算法6.3BM算法6.4KMP算法6.5关键字树6.6后缀树提要问题提出：字符串精确匹配（ExactStringMatching）问题可以描述如下：给定一个长字符串T和一个短字符串P，其中它们的长度分别是|T|=m,|P|=n，利用最理想的时间和空间找出全部的T中与P完全匹配的子串。01习惯的表示方法：字符串T/P中的第i个字符用T(i)来表示。026.1问题介绍[定义]Zi(S)表示在字符串S中从第i位起与S的前缀匹配的最长的字符串的长度。（数值）注：如果S在上下文中很明显，Zi(S)可以用Zi来表示。例：S=aabcaabxaaz那么2345678Z5(S)=3；Z6=1；Z7=Z8=06.2Z-box算法Z-box：其中每个与前缀匹配的子串就叫一个Z-box。对于任意数字i，如果S（i）属于某一个Z-box，则定义Li表示该Z-box的最左端的位置，Ri表示该Z-box的最右端的位置。01例：在上例中L6=5R6=702性质：ifij,thenRi=Rj03[任务]在线性时间内（O|S|）计算S的所有Zi[思想]Z2正常计算，然后归纳计算Zk，可以减少比较的次数[思想]令S=P$T,其中$是特殊字符，在S和T中都不存在。利用Z算法计算Zi(S)。[方案]对于任意j，如果Zn+1+j(S)=n,则P出现在T(j)处。[加强]因为$的设定，对于任意i都有Zin,即k`总落在P内，所以当kn时（即在T中）Zk值不用计算，只需要维持（maintain）R和L的值。01[名称]Boyer-Moore算法02[特点]从左向右移动，自右向左扫描03[技巧]坏字符规则好后缀规则6.3BM算法[实质]把P中的坏字符x移到T中的x的下面[定义]对于字母表中的每一个字符x，R(x)表示x在P中的最右端的位置，如果P中没有x，则R(x)=0。[规则]对于P和T，如果P右面的n-i个字符都和T匹配，但是P(i)≠T(k)。那么P可以向右移动max[1,i-R(T(k)]位。6.3.1坏字符规则234567890[例]T=xpbctbxabpqxP=tpabxab因为P(3)!=T(5),R(T(5))=R(t)=1max[1,3-R(T(5))]=2所以P可以向右移动2位，然后再从右向左依次同T比较普通坏字符规则有局限性：不适合简单字母表（DNA匹配）不适合有大量重复子串的P（蛋白质匹配）加强规则：当P(i)≠T(k)时，如果T(k)=x，将P中位置i左面最近的x移到T(k)下面。（更好的体现了坏字符规则的精神）。6.3.1坏字符规则相关讨论：普通的坏字符规则节省空间，它只需要O|∑|（∑是字母表）的空间存放R(x)(R(x)是一个数组)；而加强坏字符规则可能需要更大的空间。解决办法：可以不用二维数组，用一维数组，其中一维数组中的每个元素是一个数的序列。如：P=abacbabc那么R(a)=6,3,1所需空间O(n)6.3.2好后缀规则坏字符规则的局限：不适合小字母表最差运行时间不是线性的思想：看准T中的子串t，看P中还有没有子串匹配t区别：坏字符规则是去匹配T中的一个坏字符；好后缀规则是去匹配T中的一个子串规则：给定P、T，T的子串匹配了P的一个后缀，但是再往左一个字符就不匹配了。然后寻找t`：t`和t相同t`不是P的后缀t`左面的那个字符同与t匹配的P的后缀的左面那个字符不相同。01将P向右移，直到t`位于t的下面。02如果t`不存在，则将P向右移动最少的格数使：P的前缀同t的后缀相匹配。03如果这种情况也不存在，那么将P向后移动n位。04如果T中发现了一个P，将P向右移动最少格数使：P的前缀能够和T中发现的P的后缀相匹配。如果没有这种匹配，则将P向后移动n位。TprstabstubabvqxrP