KMP讲解（自制动图）

---

一、问题背景（文本匹配）

当前有一个文本串$S$，长度为$n$

再给定一个模式串$P$，长度为$m$

要求给出模式串在文本串中第一次匹配的起始位置。

---

二、一般思路（暴力匹配）

1.动画展示

2.步骤说明

设$i$为文本串$S$上的位置下标，$j$为模式串$P$上的位置下标，$ij$初始值均为$0$

步骤一

判断此时的$ij$是否超出各自字符串的限制，若$j$超出$P$的限制则退出并返回匹配成功处的位置下标，若$i$超出$S$的限制，则退出并说明无解；
再比较$S[i]$与$P[j]$，若$S[i]==P[j]$，则$i++,j++$，重复步骤一；
若$S[i]\ne P[j]$，进入步骤二；

步骤二

$i=i-j+1$
$j=0$
返回步骤一

3.代码实现

int match_vio(char *P,char *S){
	int n=strlen(S),i=0;
	int m=strlen(P),j=0;
	while(j<m&&i<n){
		if(S[i]==P[j]){
			i++;
			j++;
		}
		else{
			i-=j-1;
			j=0;
		}
	}
	if(j==m)return i-j;
	else return -1;
}

---

三、KMP

1.动画展示

2.步骤说明

步骤一

判断此时的$ij$是否超出各自字符串的限制，若$j$超出$P$的限制则退出并返回匹配成功处的位置下标，若$i$超出$S$的限制，则退出并说明无解；
再比较$S[i]$与$P[j]$，若$S[i]==P[j]$或者$j==-1$，则$i++,j++$，重复步骤一；
若$S[i]\ne P[j]$，进入步骤二；

步骤二

$i$不变
$j=next[j]$
进入步骤一

3.$Next$说明以及$j=Next[j]$的合理性解释

$Next$表示代表当前字符之前的字符串中，字符串最长公共前缀后缀长度，假设其长度为$n$,则存在$n$个前缀与$n$个后缀，我们舍去其中长度为$n$的情况，则剩下$n-1$个前缀与$n-1$个后缀，前缀与后缀的最大匹配也就是该字符串的最长公共前缀后缀长度。

由上可知，$Next$的最小值就是$0$（不包括第一个位置的$-1$）

比如说当前字符串为$ABCDAB$
则有：

为什么此时可以不移动$i$，只改变$j$，中间是否有可能出现遗漏？（$j=Next[j]$的合理性解释）

在任一时刻，都满足$S[i-j,i)==P[0,j)$，也就是我们已经知道了$S[i-j,i)$的所有信息：

一旦比对失败，我们就可以知道哪些位置值得比对或者不必比对

而$Next[j]$正是这一思想的践行
由于$Next$值是当前位置前字符串的最长公共前缀后缀长度，这个值的确认只与模式串有关，与文本串无关，可以事先确定
当失配时，$j=Next[j]$，充分利用已知信息，找出模式串中最值得再次匹配的位置

4.比较异同

最大的区别在于步骤二的处理，之前暴力匹配中需要同时移动$ij$，但此时$kmp$算法只需改变$j$，而$kmp$算法中$j$最坏的结果也就只是变为$0$，所以从整体上来看，$kmp$算法时间复杂度为$O(n+m)$（后面会介绍关于$O(m)$为Next数组建立的时间复杂度）,暴力匹配时间复杂度为$O(nm)$，所以明显$kmp$更优。

其次的区别是关于$i++、j++$条件的变化，暴力匹配中仅当相等时，而$kmp$中当$j==-1$同样作为条件，$j==-1$的实际作用是当$j==0$时文本串与模式串失配（模式串的第一位都对不上），我们将$j$置为-1，从而经过$i++、j++$使得模式串的第一位可以与文本串的下一位进行比对。

5.代码实现

int match_kmp(char *P,char *S){
	int *next=buildNext(P);
	int n=strlen(S),i=0;
	int m=strlen(P),j=0;
	while(j<m&&i<n){
		if(j==-1||S[i]==P[j]){
			i++;
			j++;
		}
		else{
			j=next[j];
		}
	}
	delete [] next;
	if(j==m)return i-j;
	else return -1;
}

---

四、$Next$递推求解

1.方法说明（若已知$Next[0,j-1]$,如何求$Next[j]$）

从定义出发，$Next[j]$表示的是$P[0,j)$中最长公共前缀后缀长度，而我们已知$Next[0,j-1]$
我们令$t$表示$Next[j-1]$
若$P[j]==P[t]$，表示上一次前缀与后缀的下一位同样是匹配的，所以此时的$Next[j]=Next[j-1]+1$，也就可以写为:$Next[++j]=++t$；为了避免越界，当$t==-1$时，同样进行这一步操作，而且所得结果依然符合$Next$数组
若$P[j]\ne P[t]$，表示表示上一次前缀与后缀的下一位不是匹配的，通过$t=Next[t]$的操作，回溯到再上一次匹配的前后缀，继续比对，直至$t==-1$或找到合理的匹配

递推解释

2.代码

int * buildNext(char *P){
	int m=strlen(P),j=0;
	int *N=new int [m];
	int t=N[0]=-1;
	while(j<m-1){
		(t==-1||P[j]==P[t])?N[++j]=++t:t=N[t];
	}
	return N;
}

---

五、$Next$递推求解改进

1.缺陷

出现了连续的比对失败，原因？
当$P[3]\ne S[3]$时，根据$KMP$算法的思路就是用$P[Next[3]]$与$S[3]$进行比对，由于此时满足$P[Next[3]]==P[3]$，所以比对的结果依然为失配；
当$P[3]==S[3]$时，不必考虑这些

2.方法说明

根据上文，接下来要做的就是对$P[Next[j]]==P[j]$的情况进行处理，避免无必要的比对
若出现了$P[Next[j]]==P[j]$的情况，我们就令$Next[j]=Next[Next[j]]$，让它等于再上一位的值，根据递推关系，其实这样也就避免了所有的重复

3.代码

int * buildNext_2(char *P){
	int m=strlen(P),j=0;
	int *N=new int [m];
	int t=N[0]=-1;
	while(j<m-1){
		if(t==-1||P[j]==P[t]){
			j++;
			t++;
			N[j]=(P[j]!=P[t])?t:N[t];
		}
		else t=N[t];
	}
	return N;
}

---