KMP算法及时间复杂度证明

_第二碑半价

于 2024-07-20 18:15:21 发布

阅读量588

点赞数 19

分类专栏：数据结构文章标签：算法数据结构

本文链接：https://blog.csdn.net/hutao__233/article/details/140575344

版权

数据结构专栏收录该内容

2 篇文章 0 订阅

订阅专栏

KMP

假设模式串为A，需要匹配的串为B，即在B中找一个子串A。

假设下标从1开始，B长n，A长m。

失配： $A_{i}、B_{j}$ 发生失配，即 $A_{i}$ 之前的位置全部匹配成功，但 $A_{i}\neq B_{j}$ 匹配失败。

暴力解法：

枚举子串在B中的起始位置，逐位匹配 $A_{1}$ 到 $A_{n}$ ，如果失配，则枚举B的下一个位置重新匹配。

在每个起始位置，逐位匹配的一种方法是，维护两个指针 $i ， j$ ， $i$ 指向 $A_{1}$ ， $j$ 指向 $B$ 中的起始位置。比较 $A_{i}、B_{j}$ ，如果相等 $i, j$ 加 $1$ ；如果不相等，B的起始位置+1，重新初始化。

最坏时间复杂度O(mn)

KMP：

尝试在暴力算法的基础上优化，跳过一些多余的步骤。

考虑 $A_{i}、B_{j}$ 发生失配，分为两种情况：

$i = 1$ ，在A的最开始发生失配，起始位置后移到 $B_{j+1}$ ， $B_{j+1}$ 与 $A_{1}$ 比较,即 $i = 1, j = j + 1$ 。
由于目前还不知道 $B_{j}$ 之后除了长度之外的信息，所以长度足够的情况下， $B_{j+1}$ 为起始位置有匹配成功的可能性，不能跳过。
$i\neq1$ ，此时有 $i - 1$ 位匹配， $A_{1}$ ~ $A_{i-1}$ = $B_{j+1-i}$ ~ $B_{j-1}$ 。
以 $B_{j+1-i}$ 开头的位置匹配失败，接下来应该以 $B_{j-i+2}$ 开头重新匹配。我们考虑能否将其跳过。如果这个位置能够匹配成功，要求 $A_{1}$ ~ $A_{n}$ = $B_{j-i+2}$ ~ $B_{j-i+n+1}$ 。

注意两个匹配等式中存在共同的子串 $B_{j+1-i}$ ~ $B_{j-1}\cup$ $B_{j-i+2}$ ~ $B_{j-i+n+1}=$ $B_{j-i+2}$ ~ $B_{j-1}$ （i<=n,所以j-i+n+1>=j+1>j-1)
通过它联立两式，得到 $A_{2}$ ~ $A_{i-1}$ $B_{j-i+2}$ ~ $B_{j-1}$ $A_{1}$ ~ $A_{i-2}$ ，其中关于 $A$ 的部分恰好是当前匹配成功串 $A_{1}$ ~ $A_{i-1}$ 的长度确定的前缀和后缀，它们相等。这是匹配成功的必要条件。

当然，通过图形的方式理解也可以：

如果接着向后枚举 $B_{j-i+3}$ ~ $B_{j-1}$ ,同理可得到类似的必要条件：匹配成功串 $A_{1}$ ~ $A_{i-1}$ 存在长度确定的相等前后缀。这个确定的长度是逐渐减少的。（我们不需要知道具体的起始位置，见下一段末尾。所以这里没有求明确的长度和起始位置的关系表达式，只要知道它是确定的就好。）因此，如果匹配成功串 $A_{1}$ ~ $A_{i-1}$ 不包含特定长度的相等前后缀，就可以跳过对应的位置,如果包含，就有可能匹配成功，需要考虑。并且最长的一组前后缀对应最靠前的无法跳过的位置。如果不存在相等前后缀，则下一个可能的位置是 $B_{j}$ （注意前提， $i\neq 1$ ）。

并且，根据前面的联立等式，我们已经知道从开始位置到 $B_{j-1}$ 这一段已经匹配上了，所以指针 $i$ 不需要初始化为1， $j$ 不需要初始化为起始位置，而是从 $i = l e n + 1, j = j$ 不变接着比较。对于不存在相等前后缀的情况，下一次是 $B_{j}、A_{1}$ 比较，可以把 $l e n$ 视为0，则表达式统一。注意 $i, j$ 的新值只与最长前后缀的长度直接相关，不需要明确求出起始位置。

至此我们得出结论，对于失配位置 $(i,j\neq1)$ ，下一组比较的位置是 $(l e n + 1, j)$ 。

现在的问题是如何快速求 $l e n + 1$ 。

设 $n e x t [i] = l e n + 1$ 表示在 $A_{i}$ 处失配，下一个 $i$ 的位置，其中 $l e n$ 是 $A_{1}$ ~ $A_{i-1}$ 的最长相等前后缀的长度。
根据前面推理，可能的最长的相等前后缀中前缀为 $A_{1}$ ~ $A_{i-2}$ ，长度为 $l e n = i - 2$ 。故 $0\leq len \leq i-2$ ，即不能为整个前 $i - 1$ 位

$next[1]=\forall flag<=0$ 作为标记位，无实际意义。对应 $i = 1$ 的情况，需要特殊处理

$n e x t [2] = 0 + 1 = 1$ ，因为 $A_{1}$ 只有一位，必然没有相等前后缀。再次注意：这里前后缀不能是串本身。

对于 $i\geq 2,next[i]=k$ ，则有至多 $A_{1}$ ~ $A_{k-1}=A_{i-k+1}$ ~ $A_{i-1}$ （注：k=1时视为空串）

如果 $A_{i}=A_{k}$ ，那么 $A_{1}$ ~ $A_{k}=A_{i-k+1}$ ~ $A_{i}$ ， $l e n = k, n e x t [i + 1] = k + 1$
否则
- 如果 $k = 1$ ，说明 $A_{1}$ ~ $A_{i}$ 没有相等前后缀， $n e x t [i + 1] = 1$
- 否则要找到次长的 $t < k$ ,使得 $A_{1}$ ~ $A_{t-1}=A_{i-t+1}$ ~ $A_{i-1}$ ，然后将 $A_{i}与A_{t}$ 比较，如果相等则 $n e x t [i + 1] = t$ ，否则又要再找下一个次长，注意这是一个递归的问题。
  由于这两个式子又有公共部分 $A_{i-t+1}$ ~ $A_{i-1}$ ， $A_{1}$ ~ $A_{t-1}=A_{i-t+1}$ ~ $A_{i-1}=A_{k-t+1}$ ~ $A_{k-1}$ ，注意1、3项是 $A_{1}$ ~ $A_{k-1}$ 的相等前后缀。所以t是k的最长相等前后缀的长度+1，即 $t = n e x t [k]$

//预处理next数组
next[1]=-1;
next[2]=1;
int i=2;
int len = next[2];
while(i<m){
	if(A[len]==A[i]){
		next[i+1] = len + 1;
        i++;
        len = next[i];//初始可能的最大长度
        //简写:next[++i] = ++len;
	}
	else if(len == 1){//没有相等前后缀
        next[++i] = 1;
        //len不变
    }
    else{
		len = next[len];//下一个可能的长度
	}
}

//匹配
int i=1,j=1;
while(j<n){
	if(A[i]==B[j]){//匹配
		i++;j++
    }
    else if(i==1){//失配，i=1
        j=j+1;
    }
    else{//失配，i!=1
		i=next[i];
    }
}

时间复杂度

匹配

新方法的基本动作可以视为比较-移动指针，比较是O(1)的；移动方式有 $(i,j)\to(i+1,j+1)或(len+1,j)或(1,j+1)$ 三种，复杂度都是O(1)。（len+1=next[]是预处理的)

对于移动的次数：

第一、三种方式：由于只有第一、三种方式影响 $j$ ，令 $j = j + 1, j$ 又是控制变量，所以合起来移动的次数为O(n)数量级。
第二种方式， $len\leq i-2$ ，故 $l e n + 1 < i$ 会使i减少。或者也可以从图中看出。

第三种方式也会使i减少。
那么， $i$ 的变化只有第一种方式每次使 $i$ 加1，第二、三种方式使 $i$ 减少,又初始 $i = 1$ ，且 $i\geq 1$ 始终成立
那么第一种方式移动次数 $M_{1}=i$ 的总增加量>= $i$ 的总减少量>=第二种方式移动次数 $M_{2}$ ，所以 $M_{2}$ 也是O(n)数量级的。