KMP算法理解

给出问题：在字符串（主串）中查找子串（模式串），如给定长度为m字符串A =“aababcaabaacdcbab”,长度为n的模式串B=“aabaacd”，给出B在A中的位置。

暴力解法的时间复杂度为O(n*m),而KMP算法的时间复杂度为O(n+m)

一、基本概念

子序列：字符串中任意个相对位置不变的字符组成的字符串，如“ab”，“ac”，“a”均为“abc”的子序列。

子串：字符串中任意连续个字符组成的子序列，如“ab”,“bc”，“abc”,“”均为“abc”的子串。

字符串前缀：包含第一个字符，但不包含最后一个字符的子串，如“a”，“ab”，“abc”均为“abcd”的前缀。

字符串后缀：不包含第一个字符，但包含最后一个字符的子串，如“d”，“cd”，“bcd”均为“abcd”的后缀。

部分匹配值：字符串前缀集合和字符串后缀集合中最长公共元素的长度。如字符串“abab”的前缀集合为{“a”,“ab”,“aba”}，后缀集合为{“b”,“ab”,“bab”}，公共元素仅有“ab”，因此其为最长公共元素，长度为2。

二、逻辑思路

从主串起始位置的字符(i=0,S[i]='a')开始与模式串起始位置字符比较(j=0,P[j]='a')，相等则继续比较主串和模式串中的下一字符，直到完全匹配或某一位置不匹配为止。当不匹配时，如主串i=4,S[i]='b'与模式串j=4,P[j]='a'不匹配，则已匹配字符串为“aaba”，其部分匹配值为1，即字符串“aaba”从起始位置数起的前1个字符和从末尾位置数起的前1个字符相同。那么i指向的位置不需回退，只需将j指向位置的序号改为部分匹配值1即可(若部分匹配值为-1，则i++)，然后重新开始匹配。

next数组的大小与模式串相同，其next[j]的含义是P[j]之前的字符串P[0..j-1]的部分匹配值。

根据定义求得next数组，如表

Index	0	1	2	3	4	5	6
模式串	a	a	b	a	a	c	d
当前位置的最长前缀	空	a	aa	aab	aaba	aabaa	aabaac
最长前缀的部分匹配值	0	0	1	0	1	2	0
next数组值	-1	0	1	0	1	2	0

例：

S[4]!=P[4],则j=next[j]=next[4]=1,即

S[4]!=P[1],则j=next[j]=next[1]=0,即

S[4]!=P[0],且因为next[0]=-1，则i=i+1,即

不断重复上面的过程，直到完全匹配或i超过主串长度。

三、求解next数组

(1)j=0,1时，根据定义任意模式串的next值是相同的，均为-1和0。

(2)j=2时，next值=”aa”的部分匹配值

而”aa”的部分匹配值的求解可转换为求解pattern[next[j-1]]= pattern[j-1]是否相等。

next[j-1] = 0，表示序号为j-1的字符”a”的部分匹配值为0，即 黄色部分的字符串相同，且长度为0。

pattern[j-1] = ‘a’ 表示序号为2的字符的前一个字符。

pattern[next[j-1]] = ‘a’表示第一个黄色字符串后紧挨着的一个字符。

因此，pattern[next[j-1]]== pattern[j-1]？即 两括号部分的字符串是否相等？

若两部分相等，则next[j] = next[j-1]+1

若两部分不相等，则分两种情况讨论：

1. 黄色部分字符串长度next[j-1]==0，那么next[j]=0。即黄色部分字符串不存在，而pattern[j-1]与pattern[next[j-1]] 对应的字符又不相等，则当前的next值为0。
2. 黄色部分字符串长度next[j-1]!=0，那么问题就进一步转换为求解pattern[next[next[j-1]]]= pattern[j-1]是否相等。此种情况见j=3。

这里，两部分相等，因此next[j] = next[j-1]+1 = 1

(3)j=3时，next值=”aab”的部分匹配值

同理，转换为求解pattern[next[j-1]]= pattern[j-1]是否相等。

next[j-1] = 1

pattern[j-1] = ‘b’

pattern[next[j-1]] = ‘a’

因此，pattern[next[j-1]]== pattern[j-1]？即两括号部分的字符相等？(黄色部分为字符串"aa"的部分匹配值对应的相同字符串)

这里不相等，因此进一步转换为求解pattern[next[next[j-1]]]= pattern[j-1]是否相等？即两括号部分的字符串是否相同?

蓝色区域表示黄色区域字符的部分匹配值的长度，因为两黄色区域的字符串相同，因此两蓝色区域的字符串也相同。

这里两括号部分的字符串不同，且next[next[j-1]]=0.，因此next[j] = 0。

(4)同理可得j=4、5、6下的next值1、2和0。