哈希算法在模式匹配问题中的应用

哈希：

哈希算法将任意长度的二进制值映射为较短的固定长度的二进制值，这个小的二进制值称为哈希值。哈希值是一段数据唯一且极其紧凑的数值表示形式。如果散列一段明文而且哪怕只更改该段落的一个字母，随后的哈希都将产生不同的值。要找到散列为同一个值的两个不同的输入，在计算上是不可能的，所以数据的哈希值可以检验数据的完整性。一般用于快速查找和加密算法。

模式匹配：

模式匹配是数据结构中字符串的一种基本运算，给定一个子串，要求在某个字符串中找出与该子串相同的所有子串，这就是模式匹配。

利用哈希算法解决模式匹配问题，定义模式匹配问题为在 S 字符串中寻找 T 字符串出现的次数及每次出现的起始位置。

首先朴素算法：
计算出 T 串的哈希值，与 S 串中每一个连续且长度为 |T| 的字符串进行哈希值比较，若 S 中每个字符串都重新开始计算哈希值，复杂度为 $O( |T| * |S| )$

优化算法：
通过特殊设计的哈希函数，使得可以在 $O( 1 )$ 的时间复杂度内由 $hash[ i , j ]$ ，递推出 $hash[ i+1 , j+1 ]$。复杂度降为 $O( n + m )$

哈希函数设计：

$hash[i,j] =\{\,\sum\limits_{x=0}^{j-i} Base^{j-i-x}*S[x+i]\, \}\,\% \,mod$
其中：
$hash[i,j]$ ，表示下标从 i 到 j 这一段的哈希值
$Base$ ，是一个任取的基数
$S[i]$ ，表示字符串第 i 位字符的编码
$mod$ ，是一个任取 ( 最好为质数 ) 的足够大的值，是哈希值的取值范围

由取模运算的性质可以推出
$hash[i+1,j+1]=\{\,hash[i,j]-Base^{j-i}*S[i]\,\}Base + S[j+1]$

代码如下：
题目为HDOJ 1686 Oulipo
http://acm.hdu.edu.cn/showproblem.php?pid=1686

#define author Reskip
#define uint unsigned int
#define maxn 1000005
uint base = 13331;
uint debase;
char data[maxn];
uint cmp;
uint tcmp;

int main()
{
    int t;
    cin >> t;
    while (t--)
    {
        int ans = 0;
        int len = 0;
        debase = 1;
        cmp = 0;
        tcmp = 0;

        scanf("%s", &data);
        for (int i = 0; data[i]; i++)
        {
            len++;
            cmp *= base;
            debase *= base;
            cmp += data[i];
        }
        scanf("%s", &data);
        for (int i = 0; data[i]; i++)
        {
            tcmp *= base;
            tcmp += data[i];
            if (i >= len)
            {
                tcmp -= data[i - len] * debase;
            }
            if (tcmp == cmp)
            {
                ans++;
            }
        }
        cout << ans << "\n";
    }
}