KMP字符串匹配

KMP字符串查找

问题如下：

给定一个字符串$S$，以及一个模式串$P$，所有字符串中只包含大小写英文字母以及阿拉伯数字。模式串$P$在字符串$S$中多次作为子串出现。求出模式串$P$在字符串$S$中所有出现的位置的起始下标。

这个问题的$brutal-force$解法是显然的，只要一次次将模式串与原串比对，比对完成则返回第一个下标，比对失败则将模式串向右移动一位，继续进行比对，直至模式串右端达到原串的结尾。

问题是这个算法的效率巨特么低。若S的长度为M，P的长度为N，则时间复杂度是$O(MN)$。在M为$10^5$,N为$10^6$的情况下，运算次数就会直接爆炸（$10^{11}$）。

考虑对$brutal-force$解法进行优化。这个解法的时间复杂度取决于两方面，一方面是比对操作，一方面是移动操作。原解法的比对操作每次都是从模式串的开头开始比对，且移动操作每次都只移动一位，这是两个使时间复杂度爆炸的重要因素。

每一次比对失败并不是一开始就失败的，若是能将已经比对成功的部分利用起来，想必能够减少时间复杂度。

综上，我们应该去寻找一种能够继承上一次比对成果的算法。

优化

关于下标的问题

我们考虑在匹配过程中对S串使用从0开始的下标，在录入P串时对P串使用从1开始的下标，$ne$数组表示相等的前后缀真子串的最大长度。具体原因之后再说。

具体优化过程

基本思路

考虑如图的情况。

现在有$i$和$j$两个指针，现寻找一种算法，使$i$指针的移动是单调的，通过移动$j$指针实现对上一次匹配结果的继承。

为了结果的简便，我们对比$P[j+1]$和$S[i]$。

若当模式串P上的指针指到$j$,S串指到i时，比对失败，则直到$j$都已经比对成功。我们有$S[i-j+\mathrm{1..}i]=P[\mathrm{1..}j]$。此时我们要移动P串。但是，我们不需要只移动1位——我们要移动更多的位数，这个位数将是由已知信息推出的第一个可能使匹配成功的位数，移动的位数比这个数字小将必定匹配失败，比这个数字大将可能漏解。

下面证明我们应将$j$移动至$ne[j]$，其中$ne(i)$满足：
n e ( i ) = m a x ( { l    ∣   P [ 1.. l ] = P ( i + 1 − l . . i ) } ) ne(i) = max(\{l\;|\, P[1..l] = P(i +1- l..i)\}) ne(i)=max({l∣P[1..l]=P(i+1−l..i)})
注意：此时P的下标从1开始！！

即，我们考察$P[\mathrm{1..}i]$中所有内容相同的的前缀字符串和后缀字符串，这些字符串中的最大长度即为$re(i)$。

若移动的长度小于这个数字，如图，移动浅蓝色的距离。

若留在已匹配部分的P串能够匹配成功，则此时浅蓝色部分显然满足$P[\mathrm{1..}l]=P(i+1-l..i)$，这个长度显然大于$ne(i)$，与定义矛盾！故而必然匹配失败。移动这个位数将可能匹配成功（移动后的P串留在已匹配部分的内容全部比对成功，之后的内容还未经过比对），故比这个数字大的移动位数将可能漏解。

循环至可能匹配成功

之后若匹配依旧不成功($P[j+1]\ne S[i]$)，则我们将继续移动j指针。最坏情况是将j指针移动至0,重新开始匹配。

和原串匹配

有两个循环的条件，一是$P[j+1]\ne S[i]$，二是$j>0$。跳出循环时，至少有一个为假，若第一个为假，则完成循环，j向右移动一位；若第二个为假，则有$j=0$，此时需进行判断p[j + 1] == s[i]，若为真则j向右移动一位，若为假则只能移动i了。

在以上步骤进行完毕后，对j进行边界检测，若$j=n$，则输出结果。

代码如下：

for (int i = 0, j = 0; i < m; i++){
        while (j > 0 && p[j + 1] != s[i]) j = ne[j];
        if (j < n && p[j + 1] == s[i]){
            j++;
        }
        if (j == n){
            printf("%d ", i - (n- 1));
            j = ne[j];
        }
    }

求解$ne(i)$

在求解$ne(i)$的过程中想到使用动态规划是自然的（或者说要使用最基本的信息推所有的信息）。考虑求$ne(i)$，若$P[i]=P[ne(i-1)+1]$，则$ne(i)=ne(i-1)+1$。若不满足条件，则必然有$ne(i)-1<ne(i-1)$。下面来证明这一点。

显然$ne(i)-1\ne ne(i-1)$，若$ne(i)-1>ne(i-1)$，则由$ne$数组的定义，$ne(i-1)=ne(i)-1$，矛盾！，故而$ne(i)-1<ne(i-1)$。

接下来寻找不满足条件之后的解决方法。我们要在$ne(i-1)$范围内找最大的前后缀相等的字符串，则根据$re$数组的定义，这个字符串的长度为$ne(ne(i-1))$。若此时依旧没有$P[i]\ne P[ne(ne(i-1))+1]$，则继续这个过程（在$ne(ne(i-1))$里找。最终结束循环的条件应有两个：一个是满足$P[i]=P[ne(ne(i-1))+1]$，另一个是迭代之后从$ne$数组取出的值为0。如果没有第二个条件，则若一直无法满足第一个条件（$P[i]\ne P[0+1]$，这是很有可能的），我们将进入死循环（取出的值依旧为0）.

跳出循环后，我们只知道两个条件中至少有一个为假。故而我们再进行一次判断（p[i] == p[end + 1]）（其中end是最后从$ne$数组中取出的值）,若这个判断为真，则我们有$ne[i]=end+1$，若为假，则必有$P[i]\ne P[end+1]\wedge end=0$,故而有$ne[i]=0$。

代码如下：

for (int i = 2; i <= n; i++){
        int end = ne[i - 1];
        while (p[i] != p[end + 1] && end > 0){
            end = ne[end];
        }
        if (p[i] == p[end + 1]) ne[i] = end + 1;
        else  ne[i] = 0;
    }