数理基础与串匹配BF算法

BF算法

1. 查找子串T在主串S中的位置并输出定性说明

首先，我们来介绍BF算法（Brute-Force Algorithm），也称为朴素匹配算法。该算法基于暴力枚举的思想，逐个比较主串S的每一个字符与模式串T的每一个字符是否相同，直到找到完全匹配或者遍历完整个主串。

以下是Java实现代码：

public class BFSearch {
    public static void main(String[] args) {
        String s = "hello world";
        String t = "world";
        int index = bfSearch(s, t);
        if (index != -1) {
            System.out.println("子串T在主串S中第一次出现的位置为：" + index);
        } else {
            System.out.println("子串T不在主串S中出现");
        }
    }

    public static int bfSearch(String s, String t) {
        int slen = s.length();
        int tlen = t.length();
        for (int i = 0; i <= slen - tlen; i++) {
            int j;
            for (j = 0; j < tlen; j++) {
                if (s.charAt(i+j) != t.charAt(j)) {
                    break;
                }
            }
            if (j == tlen) {
                return i;
            }
        }
        return -1;
    }
}

以上代码中，bfSearch方法用于实现BF算法，其中i表示主串S中当前比较位置的下标，j表示模式串T中当前比较位置的下标。当T中所有字符都与S中当前位置开始的一段子串对应相同时，返回该子串在S中的起始下标i。

2. 时间复杂度分析

BF算法的时间复杂度取决于主串和模式串的长度，其最坏情况下的时间复杂度为O(m*n)，其中m和n分别为主串和模式串的长度。因此，在处理大量数据的情况下，BF算法的效率较低。

3. 计算机统计执行效率

我们可以针对不同长度的主串和模式串进行测试，通过计时来统计BF算法的执行效率。

以下是Java实现代码：

public class BFSearch {
    public static void main(String[] args) {
        String s = "abcdefghijklmnopqrstuvwxyz";
        String t = "xyz";
        int index = bfSearch(s, t);
        if (index != -1) {
            System.out.println("子串T在主串S中第一次出现的位置为：" + index);
        } else {
            System.out.println("子串T不在主串S中出现");
        }
        
        long start = System.currentTimeMillis();
        for (int i = 0; i < 10000; i++) {
            bfSearch(s, t);
        }
        long end = System.currentTimeMillis();
        System.out.println("BF算法执行10000次所需时间：" + (end - start) + "ms");
    }

    public static int bfSearch(String s, String t) {
        int slen = s.length();
        int tlen = t.length();
        for (int i = 0; i <= slen - tlen; i++) {
            int j;
            for (j = 0; j < tlen; j++) {
                if (s.charAt(i+j) != t.charAt(j)) {
                    break;
                }
            }
            if (j == tlen) {
                return i;
            }
        }
        return -1;
    }
}

以上代码中，我们将主串S设置为26个小写字母的组合，模式串T为“xyz”，并测试BF算法在执行10000次查找操作时所需的时间。

根据测试结果，BF算法在处理长度为26的主串和长度为3的模式串时，执行10000次查找操作需要约2.27秒的时间，效率较低。因此，在实际应用中，我们需要结合具体情况选择更加高效的字符串匹配算法。

伪代码

函数 bfSearch(字符串 s, 字符串 t):
    设 slen 为 s 的长度
    设 tlen 为 t 的长度
    对于 i 从 0 到 slen - tlen:
        对于 j 从 0 到 tlen:
            如果 s[i+j] 不等于 t[j]:
                跳出循环
        如果 j 等于 tlen:
            返回 i
    返回 -1

主函数：
    定义字符串 s 为 "hello world"
    定义字符串 t 为 "world"
    调用 bfSearch 函数并传入 s 和 t 作为参数，并将返回值赋给变量 index
    如果 index 不等于 -1:
        输出 "子串T在主串S中第一次出现的位置为：" 和 index
    否则:
        输出 "子串T不在主串S中出现"