KMP算法详解+大牛是如何想到KMP算法的？

最新推荐文章于 2023-02-01 19:50:56 发布

谁不小心的

最新推荐文章于 2023-02-01 19:50:56 发布

阅读量1.2k

点赞数

分类专栏：数据结构和算法

本文链接：https://blog.csdn.net/trochiluses/article/details/8130753

版权

数据结构和算法专栏收录该内容

4 篇文章 1 订阅

订阅专栏

我们的目标是将模式串与待匹配串进行匹配，看模式串是否在待匹配的串之中，先来看传统的BF算法

1. BF算法：

模式串

a	b	a	b	a	c	b
i

待匹配串

模式串用p（n）表示，设定指针i表示当前正在进行匹配的字符；源串用T（m）表示，用指针j表示当前正在匹配的字符。于是，若p(i)=T(j)，则i++，j++；对于上例，当i和j运行到红色区域时，出现了第一次不匹配的情况，也就是说若p(i)！=T(j)，此时需要进行源串的回溯。那么回溯到哪个地方呢？那么由于此时已经和模式串中的已经匹配了i-1个串，所以回退i-1个字符，故此时指针的更新应该是：i=1,j=j-i+1;如此往复，直到i==n表示已经识别出来，或者j==m表示源串已经识别完毕。

对此算法的优化分析：该算法复杂度略高的原因是，每当出现一个不匹配的情况，就要回溯所有已经识别的模式串中的字符，而实际上，前面已经比较过，回溯意味着计算的重复。对于本例中的情况，显然模式串向右滑动一个，不能匹配；向右滑动两个，可以匹配到红色字符串，也就是说：若知道已经匹配的串中，最长的真前缀（这个前缀还是已经匹配串的后缀）是什么，就能很大地简化计算：最长真前缀不用回溯重复计算。通关观察这个算法，我们发现对模式串的识别过程，已经蕴含了相当多的信息，如果直接采用BF回溯的方法，这些信息就没有有效利用，所以应该将模式串中蕴含的信息存储起来，供给下一次匹配继续使用。借助这种思想，提出KMP算法：

2. KMP算法

先看一下，为了优化上述算法，我们需要做的关键工作：

	a	b	a	b	a	c	b
						i

此时，p(i)与s（j）不再匹配，但是蓝色部分却是匹配的，而且这一部分只是和模式串有关系，那么如何描述这个蓝色子串的性质呢？它是：使得b1b2···b_f_（_s_）是最长的即使b1b2···b_s的真前缀，又是b1b2···b_s的后最的子串。因此，KMP算法有两个部分，第一是求解f（s）函数；第二是利用此函数进行模式匹配。

（1）求解f（s）函数

失效函数的计算,失效函数是针对于模式串而言的。

给出几个例子：

1	a	b	a	b	a	a	b	a
1	0	0	1	2	3	1	2	3
2	a	b	a	b	a	b	b	a
2	0	0	1	2	3	4	0	1
3	a	b	b	a	a	b	b	a
3	0	0	0	1	1	2	3	4
4	a	b	a	b	a	c	b
4	0	0	1	2	3	0	0

我们最先想到的往往是蛮力法：利用子串进行匹配，若成功，则停止；反之，将子串长度减一，再进行匹配；重复上述过程即可。例如，求上表中的f（5）的时候，先看abab是否满足，不满足，于是用aba，满足，于是最长就是aba，长度为3。求解f（6）的时候，同样采用蛮力试探的方法，但这个比较费时，最长算的f（6）等于1。我们当然知道，即使这样，在模式串长度很小，源串长度很大的时候依然可以减少时间开销，但是还有没有继续优化的空间呢？

注意到：在第一个串中，算得f（4）=2，此时b3=b5，所以很显然f（5）等于2+1=3；会不会f（5）>3呢？用反证法：加入f（5）>3,那么f（4）>2,与前面矛盾。也就是说，在计算f（s）的时候，如果b_s=b_f(s-1)+1那么，直接可以推到得到b_s=b_f(s-1)+1.但是如果

b_s=b_f(s-1)+1不成立呢？这时就相当于是计算f（6）的情况。此时，实际上我们要找的是子串的子串，而这个已经有了计算结果，所以可以找到。再比较下一个元素是否相等，相当则找到，反之，继续重复上述过程。写成程序如下：（注意下面的程序的当前变量是b【s+1】）

t=0;

f(1)=0

for(s=1;s<n,s++)

{

while(t>0&&b[s+1]!=b[t+1]) t=f(t);

if(b[s+1]==b[t+1])

{

t++;

f(s+1)=t;

}