字符串中的字串问题，两种算法了解。以及自己这两天看到的些东西的总结

  问题描述我就不说了，就说其实就是JAVA里面String.indexOf().

  第一种是关于KMP算法的，甘草上半年的时候让我去看的，好像现在想想也没有忘记

  其实啊，我觉得这个算法的主要思想很简单，也很好：对子字符串进行分析先，得到一个从子字符串生成的数组，作用呢？呵呵，我先卖个关子，看具体的字符串的时候就知道有什么用了。

  首先我来说说最简单的吧，比如hellhello，我要匹配的子字符串是hello.怎么匹配呢？

  h   e   l    l  h  e  l    l  o

  |     |    |    |   |

  h   e    l   l  o

 这里出现了不匹配，那我们就应该rollback对吧，那从哪里开始呢？从hellhello（第2位）开始？不是吧，这样的话，我们假设原 字符串是N，子串是M，算法复杂度就应该是O(M*N)；但是明明不对啊，我们应该是从hellhello开始查啊，前面都不合适啊，明明都查过了啊。这样快多了嘛。。。。

   但是请考虑这样的情况：eeel------eel这样的情况，我们怎么在rollback以后重新开始新的查找呢？

   这个时候我们应该想起原来说的需要分析子串生成的那个数组了，也就是我需要去跳跃前面查找过的字符，但是到底跳跃多少呢？其实是由子串决定的，至于具体这个数组的生成规范呢，我就不说了，其实是留给自己的思考，让自己以后回来看的时候能够好好思考，而不是只看。

    顺便说下，KMP的算法复杂度是在O(N+M)，即便是在最坏情况下

  

 

 

    第2种是我翻阅源代码的，JAVA，没技术含量多了。。。。

    for循环里找子串的第一个字符，找到以后再匹配剩下来的字段，不过原理和感情上都比较容易接受。但是感觉最坏情况下算法复杂度还是O（N*M），但是平均复杂度是一定优于第一直觉的。平均的情况我没有去算，因为平均的算起来真是麻烦。。哈哈，大家体谅啊。。。

 

 

   其实KMP算法的这样一种思想在算法中间还是很常见的，比如今天看到的一个问题的解答就是：给你一个dictionary（文件形式），给你一个单词，让你找出他们一系列的单词（形容词不会翻译，勉强理解意思吧），pots跟stop,tops是属于一个系列的（他们由完全一样的字母形成）。当单一的一个单词的时候，也许遍历是不错的选择，但是当面临一次性N多，或者说是网络情境下使用的时候，我们就会发现，效率在急剧下降。算法复杂度为O(N*M)（N为字典中总单词数，M为输入的单词数目）；而资料给出的方案就是一次遍历dictionary，将所有的单词贴上一个标签。这个标签是将组成这个单词的字母按字典顺序排列起来，比如pots的标签是opst，同样stop的标签也是opst。全部打完标签以后，对标签排序，这样所有的组成字母相同的单词就排列在一起了。最后我们查找的时候就可以利用二分法查找了。 这样的算法复杂度呢不大会算了，哈哈，总时间是N+Nlog(N)+M*log2(N)。这样的时间随着M的增大，与每次都进行遍历的方法间的优势将越来越大。 

   这个时候我们将需要一个trade off。代价和收益问题。让我想起了最近总是想进百度的事情，所以总是在看百度以前的笔试题目，有一道题目是这样的：93=78+7+8;我们给98这样的数取名叫OOXX数，然后让你输入0-1000内一个数，编程判断这个数字是不是OOXX数。

   ^_^，我的第一想法是99乘法表。。怎么说呢，既然说清楚只在0-1000内，那我就应该利用这个限制条件，生成一个1000的数组，做一次遍历，从1开始，比如2=1+1；11=10+1；所有被得到的数字，直接用INDEX方法把他标记为1，不然就是0；然后你输入多少就可以用数组访问，直接知道咯。简单，问花费多少时间代价呢？2000（其中1000是用来初始化数组的）

  这样的做法的灵感来自于小时候乘法表总是背不出来，^_^，不要鄙视我哦~~~~。优点嘛，当你需要查询的数字很多的时候每个数字都只需要1就可以直接访问到，有没有点HASH的味道在里面呢？

    但是要是我只查一次呢，建这么大一个OOXX数字表是不是就太夸张了点，或者，当我需要1-1000000间的时候，是不是我也建这么大一张表，而其实我只要查询一次呢？

   感觉被耍了。。。再往小时候想想，这个时候怎么办？还能怎么办，老老实实算啊，但是怎么算啊？很显然是个特征数，那就吧特征写出来吧。。。我写写我看出来的特征吧，大家也可以写自己的特征：

                                                 一个OOXX数

                                                                            N=XYY+X+Y+Z=101X+11Y+2Z（如果他是一个3位数处理得到的话）

    有点意思了吧，为什么呢？11Y+2Z是不是有取值范围？多少？0-117，那就简单了，X=N/100,或者X=N/100-1，X=N/100-2，这样范围就减少多了，然后呢？2Z的取值范围是多少？0-18啊，那Y的取值呢？还是3种情况，Z是不是就呼之欲出了。

  好嘛，那我的这个算法的算法复杂度是多少呢？3^(lgN-1)，根据输入数的位数决定，3位就是9次尝试，4位就是27次尝试。

   算法出来以后的第一感觉是，1000以内也没什么，但是随着数位的增加，我总觉得不是特别好，lgN是可以接受的，但是作为3的指数，就有些让人接受不了。那怎么办啊，^_^，不要着急，再想想办法呢。把式子改变下呢。

                                                                         N=XYY+X+Y+Z         -----》   N-XYZ=X+Y+Z；

   这意味着什么呢？我靠，那就是说N和XYZ的差值一定小于等于27呢？想想，对啊，而且，我们还可以把范围缩小，怎么缩小，想想看吧，X是不是一定小于等于N/100，对啊，那我们就可以把尝试的范围缩小到N-1到N-N/100-18，这几个数字之间了。

  现在的算法复杂度是多少呢？O（9*lgN）啊。

  这样的复杂度，对我而言，可以安心了。毕竟已经从一个指数型变成了底数型了。。。

  这就是我这两天看到的东西吧，还有些没有完全写出来，不过先就这样吧，回笼觉去了。。。哈哈