KMP算法的推导

KMP 算法

需要注意的是，子串跟主串的起始位置都是1

在串的模式匹配算法中，暴力匹配总是在每次匹配失败时将模式串后移一位再从头开始比较。然而某趟已匹配相等的字符序列已经确定是模式串的某个前缀，这种频繁的重复比较相当于模式串在不断进行自我比较(这就是暴力算法效率低的原因)。
所以我们可以从分析模式串本身的结构着手，如果已经匹配相等的前缀序列中有某个后缀正好是模式串的前缀，那么可以将模式串向后滑动到与这些相等字符串对齐的位置，主串i指针无须回溯，并从该位置开始继续比较。

字符串的前缀，后缀和部分匹配值

• 前缀：除最后一个字符以外，字符串的所有头部子串；
• 后缀：除第一个字符外，字符串的所有尾部子串；
• 部分匹配值：字符串的前缀和后缀的最长相等钱后缀长度

字符串的每个位置都可以确定一个部分匹配值，由此我们可以计算出部分匹配值表(PM)
所以在发生匹配失败的时候，子串向后移动的位数：移动位数 = 已匹配的字符数 - 对应的部分匹配值

整个匹配过程中，主串始终没有回退，故KMP算法可以在O(n+m)的时间数量级上完成串的模式匹配操作，大大提高了匹配效率。
假设，主串指针为i，子串指针为j，PM表的索引值从1开始。
写成：Move = （j-1） - PM[j-1]
因为每次匹配失败都要看前一个元素的部分匹配值，这样使用起来不方便，所以我们将PM表右移一位，这样哪个元素匹配失败就可以直接看自己的部分匹配值。这样我们就得到了next数组
所以Move = ( j - 1 ) - next[j]
PM[1] = -1
知道子串需要移动多少单位后，我们就可以知道子串的指针应为 j = j -Move = j - j + 1 + next[j] = next[j] + 1
所以我们索性将next表数值全部加一就得到了 j = next[j]
next[j]的含义是：在子串的第j个字符与主串发生失配时，则跳到子串的next[j]位置，重新与主串当前位置进行比较。

下面来推理next数组的一般公式：
设主串为“s1s2ss3s4…sn”, 模式串为“p1p2…pm”，当主串中第i个字符与模式串中第j个字符失配时，子串应该右滑多远？然后与模式中的哪个字符比较(模式串的指针应该指向哪里)？
设j前面的字符串的部分匹配值为k，那么应该右滑到第k+1个字符去根主串中的第i个字符继续比较。
当k=0时，即模式串已匹配相等序列中无任何前缀与后缀相等，此时应该将模式串右滑j-1位，让主串第i个字符和模式串第一个字符进行比较，此时右移位数最大。
规定next[1] = 0，当第一个字符跟主串的第i个字符发生失配时，将模式串右移一位，从主串的下一个位置和模式串的第一个字符继续比较。（置为0相当于将主串第i个字符和模式串第一个字符前面的空位置对齐，也就是将模式串右移一步）
所以：
当j = 1时，next[j] = 0;
当k>0时，next[j] = k-1（k为最大部分匹配值）
否则 next[j] = 1;

若已知next[j] = k,求next[j+1]：
(1)若 pk = pj ，则表明在模式串中：“p1…pk-1pk” = “pj-k+1…pj-1pj”，所以next[j+1] = next[j] + 1
(2)若pk != pj，则表示“p1…pk-1pk” != “pj-k+1…pj-1pj”
此时可以把求next函数值的问题视为一个模式匹配问题。用前缀p1-pk去跟后缀Pj-k+1-pj匹配，则当Pk != Pj时应将p1-pk向右滑动至以第next[k]个字符与Pj比较，如果Pnext[k]与pj还是不匹配，那么需要寻找长度更短的相等前后缀，下一步继续用Pnext[next[k]]与Pj比较，以此类推，直到找到某个更小的k’ = next[next…[k]] ( 1 < k’ < k < j)，满足条件: “P1…Pk’” = “Pj-k’+1Pj”,next[j+1] = k’ + 1;
也可能不存在相等前后缀，next[j+1] = 1