2020/8/23-Leetcode-28

主要关注题解中，将KMP算法转为动态规划的方法。在该方法中，字符串匹配的过程，被描述为确定转态转换的问题。利用动态规划，对KMP算法重新解读。

0. 前期知识：

             chr(int) -> char

             ord(char) -> int

1，分析：

在这个问题中，题解的作者认为主要存在两种状态转换的情况：其一，是当前txt的字符和pat的字符相同，所以状态推进1；其二，当前字符不同，则状态回滚。又，状态回滚又存在两种情况，完全回到初始位置和回到pat的某一位置。这里面，属于最后的情况最难处理。如果我们将pat的每个位置【0 》 len】作为一个状态标志，0位还未开始匹配，len为匹配结束，则显然，每次txt前进一个字符后，我们都需要考虑，状态转移的位置。所以，可以将该问题分为两个部分，首先确定状态转移过程，然后根据转移过程对字符串进行比对，找到具体解。

2，解

2.1 转态转移过程

要确定转移过程，首先，定义数组 dp[i][#], 表示在状态i遇到新字符#之后，转换后的状态值。重点是要理解状态回退的动态规划过程。我们可以引入后补状态，后补状态的位置“i”如何确定了。我们通过题主给的代码来解释（设为X）：

       hlen = len(haystack)

        nlen = len(needle)

        l = 256

        dp = [[0 for _ in range(l)] for _ in range(nlen)] #dp[i][c], the state value of i-th state meet char c

 

        X = 0 # hidden state

        dp[0][ord(needle[0])] = 1 # start state

        

        for i in range(1, nlen): # from start state

            for j in range(l): # traverse all char value and only one jump on, others to call back

                dp[i][j] = dp[X][j]

            dp[i][ord(needle[i])] = i + 1

            X = dp[X][ord(needle[i])]

*******python 数组的初始化只能选择题解中的，不然出现浅拷贝会出现意想不到的错误******

2.2 字符串比对过程

       s = 0

        for h in range(hlen):

            s = dp[s][ord(haystack[h])]

            if s == nlen:

                return h - nlen + 1

3，代码

如上。

 

4， 总结

其实还是不太理解这个隐藏状态的问题，只能考虑X为每个回滚状态保留最优状态转移值。