KMP算法（二）：另一种求解思路（确定有限状态自动机、动态规划）

一、简介

在上一篇KMP算法中已经介绍了KMP使用next数组进行求解的方法（https://blog.csdn.net/not_say/article/details/105291946），这一篇将讲述另外一种求解思路--利用确定有限状态自动机和动态规划的思路进行求解。

主要是参考了知乎一个专栏的一篇文章，内容非常详细，配有动态图，建议大家去看这篇文章，我自己写的这篇基本来源于它，然后是为了帮助自己理解，所以用博客的形式写出来，同时加入自己的理解，可能没有那么详细。文章链接：https://zhuanlan.zhihu.com/p/83334559

 

二、如何理解这里的状态机

同样沿用上一篇的字符串命名，父字符串名称为father，子字符串名称为son。这里的状态机和动态规划的功能与上一篇的next数组相似，都是为了确定子串回退的距离，减少不必要的对比。

为什么说 KMP 算法和状态机有关呢？是这样的，我们可以认为 son 的匹配就是状态的转移。比如当 son = "ABABC"：

如上图，圆圈内的数字就是状态，状态 0 是起始状态，状态 5（son.length）是终止状态。开始匹配时 son 处于起始状态，一旦转移到终止状态，就说明在 father 中找到了 son。比如说当前处于状态 2，就说明字符 "AB" 被匹配：

另外，处于不同状态时，son 状态转移的行为也不同。比如说假设现在匹配到了状态 4，如果遇到字符 A 就应该转移到状态 3，遇到字符 C 就应该转移到状态 5，如果遇到字符 B 就应该转移到状态 0：

好了，内容引用到这里，按照我自己的理解来描述一下这个状态机的流转情况：

1、将子串的匹配程度理解为状态的转移，开始的时候或者一个都没匹配的时候状态是0.

2、当匹配到1个、2个、3个、4个的时候，状态分别为1、2、3、4。

3、当匹配5个的时候状态是5，数字也就是子串的长度。这时候就表示father中匹配到了son，起始下标就是此时A的位置。也就是i - son.length() + 1

4、这里是将子串自身后面的字符作为参照，假想匹配father时会遇到的字符，从而形成一个二维坐标图。例如下图就是“ABABC的”状态流转二维图：

二维图是用一个二维数组表示，用ASCII码0-255表示接下来可能遇到的字符，数值表示遇到此字符时的下一个状态。当依次遇到A、B、A、B、C时，状态才会流转到5，表示匹配成功。

5、匹配顺利前进的情况就如上面所说，匹配不成功则需要回退，但是具体回退到什么位置，则需要借助一个辅助状态，“labuladong”将其称为“影子状态”。

 

三、影子状态

所谓影子状态，就是和当前状态具有相同的前缀，用变量X表示，比如下图：

当前状态 j = 4，其影子状态为 X = 2，它们都有相同的前缀 "AB"。因为状态 X 和状态 j 存在相同的前缀，所以当状态 j 准备进行状态回退的时候（遇到的字符 c 和 son[j] 不匹配），可以通过 X 的状态转移图来获得最近的重启位置。

那为什么可以这样呢？

原文的回答是这样的：

为什么这样可以呢？因为：既然 j 这边已经确定字符 "A" 无法推进状态，只能回退，而且 KMP 就是要尽可能少的回退，以免多余的计算。那么 j 就可以去问问和自己具有相同前缀的 X，如果 X 遇见 "A" 可以进行「状态推进」，那就转移过去，因为这样回退最少。

你也许会问，这个 X 怎么知道遇到字符 "B" 要回退到状态 0 呢？因为 X 永远跟在 j 的身后，状态 X 如何转移，在之前就已经算出来了。动态规划算法不就是利用过去的结果解决现在的问题吗？

其实换句话来说，就是用 X 来跟随 j 的脚步，当 j 遇到新的字符时，如果与预期的值一致，则状态加 1 ，否则回退到影子。而同时，影子从 0 开始，当遇到一个字符的时候，X = dp[X][son.charAt(j)， 意思是等于X此时位置如果遇到 j 当前遇到的字符时将要转移的状态。这个状态是 j 之前所经历过的。如果这句话还是不能很好理解的话，那就再使用上一篇说的next数组的方式来帮助理解，通过debug发现，X的状态值，其实就是包含当前字符的最长相同前缀后缀（注意，这里理解为当前）。X的值其实就是为了记录当 j 的字符不匹配时应该回退到的位置。

四、代码

public class KMP {

    private int[][] dp;
    private String son;

    /**
     * 使用二维数组，利用有限状态机的思想--确定有限状态自动机、动态规划
     */
    public KMP(String son) {
        this.son = son;
        //son子串长度，也是状态的最大值
        int M = son.length();
        //dp[状态][字符--ASCII码] = 下个状态
        dp = new int[M][256];
        //遇到第一个字符则推进一步，否则其他的都是0
        dp[0][son.charAt(0)] = 1;
        //影子状态，初始为0 --所谓影子状态，就是和当前状态具有相同的前缀
        int X = 0;
        // 当前状态j从1开始
        for (int j = 1; j < M; j++) {
            //c代表此时要遇到的字符，父串的字符， ASCII从0-256
            for (int c = 0; c < 256; c++) {
                if (son.charAt(j) == c) {
                    //遇到的字符跟此时子串的字符抑制，则推进一步
                    dp[j][c] = j + 1;
                } else {
                    //不是的话则重启，回退到影子状态
                    dp[j][c] = dp[X][c];
                }
            }
            //更新影子状态
            X = dp[X][son.charAt(j)];
        }


    }

    public int search(String father) {
        int M = son.length();
        int N = father.length();
        // son 的初始态为 0
        int j = 0;
        for (int i = 0; i < N; i++) {
            // 当前是状态 j，遇到字符 father[i]，
            // son 应该转移到哪个状态？
            j = dp[j][father.charAt(i)];
            // 如果达到终止态，返回匹配开头的索引
            if (j == M) {
                return i - M + 1;
            }
        }
        // 没到达终止态，匹配失败
        return -1;
    }

    public static void main(String[] args) {
        String son = "ABABCC";
        String father = "ABABEABABCABABA";
        KMP kmp = new KMP(son);
        int[][] dp = kmp.dp;
        System.out.println(kmp.search(father));
    }
}

五、自述

这篇文章到此结束了，大家可以去看我参考的那篇文章（https://zhuanlan.zhihu.com/p/83334559），自此我也只是大概了解了算法的思路，自我感觉并没有完全理解透测。意思就是仅限于跟着思路和代码来了解，但是并不能学以致用，遇到这个算法的变体或者另类的描述，我可能无法利用这个思路来写出合格的代码。因为后续会找时间去找相关的题目做一下。

有问题的朋友可以通过留言来进行讨论，描述错误或者不严谨的地方也请指出～