kmp算法(下)——next数组

接上一篇。

 

4、如何计算next数组

       对于给定的字符串p，其next数组的含义是：对于k=next[j]，p的前缀p[0…k-1]和p的后缀p[j-k…j-1]匹配，k要尽可能的大，且k<j.我们可以根据上述含义写出next的brute force计算代码。复杂度应该是O(n²)。

 

换个思路，现在next[0]=-1,next[1]=0.

假设k=next[j]，则p[0…k-1]=p[j-k…j-1]，那么求next[j+1]有两种情况：

1)如果p[k]=p[j]，则p[0…k]=p[j-k…j]，所以next[j+1]=k+1=next[j]+1;

2)如果p[k]!=p[j]，这是可以看做另外一个字符串匹配的问题，主串和模式串都是p，当匹配失败时，k应该如何移动呢？显然是k=next[k]。请仔细琢磨这段话。【参考《数据结构-严蔚敏》p82-83】

仿照kmp算法，可以得到next数组的求法：

voidgetNext(const char *p,int *next)
{
    int i,j;
    next[0]=-1;
    i=0;
    j=-1;
    while(i<(signed)strlen(p)-1)
    {
        if(j==-1||p[i]==p[j])    //匹配的情况下,p[j]==p[k]
        {
            i++;
            j++;
            next[i]=j;
        }
        else                   //p[j]!=p[k]
            j=next[j];
    }
}

 

       next数组是kmp算法的核心，只有真正理解next数组，才能熟练掌握kmp算法。

 

       复杂度分析：getNext()函数的复杂度是O(m)，通常情况下模式串长度m<<主串长度n，因此增加的时间是值得的。由于使用了辅助数组，因此空间复杂度是O(m)。

 

       虽然朴素字符串匹配算法的复杂度是O(n*m)，但是在一般情况下实际的执行时间接近O(n+m)。KMP算法仅当模式串与主串之间存在许多“部分匹配”的情况下（这时才会有大量的回退）才显得比朴素匹配算法快得多。KMP算法的最大优点是不需要回溯指针，对主串仅需要从头至尾扫描一遍，对于外设输入庞大的文件很有效，可以边读入遍匹配，无需回头重读。

 5、优化

其实上面的getNext()还可以优化：

voidgetNext(const char *p,int *next)

{

    int i,j;

    next[0]=-1;

    i=0;

    j=-1;

    while(i<(signed)strlen(p)-1)

    {

        if(j==-1||p[i]==p[j])    //匹配的情况下,p[j]==p[k]

        {

            i++;

            j++;

            if(p[i]!=p[j])      next[i]=j;

            else                 next[i]=next[j];///p[i]=p[j]时优化

        }

        else                   //p[j]!=p[k]

            j=next[j];

    }

}

这时匹配算法不变。

       后记：kmp算法是D.E.Knuth与J.H.Morris与V.R.Pratt同时发现的字符串匹配的改良算法。也是我单个看的最久的算法。

在网上看很多blog，包括比较有名的matrix67，July等，但是我都没看太明白。尤其是July的，一大堆，前面的朴素算法都弄了一堆图，非常详细，这点很好。可是后面求next数组时，一会弄个下标从0开始的，一会弄个下标从1开始的，让新手无所适从。本来就是不懂才看，结果看完更郁闷了。最后还是看了严蔚敏老师的《数据结构》上的，才似乎懂了些。那本书上是下标从1开始的，我感觉讲的比网上的blog要详细的多，易懂的多。这本书之前大二时学习时没看太细，虽然考试分数挺高，但是显然书上好多内容都没有掌握。现在还在看。这里附上这本书的pdf连接，可以直接下载。

原创文章，转载请注明出处：http://blog.csdn.net/fastsort/article/details/9971953