字符串匹配算法之---KMP算法

KMP算法

KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n)。

比如2个字符串

S1： babababccb
S2： ababc

现在，我们想要知道，S2这个字符串在S1这个字符串中存在吗？如果存在，请输出所在位置。

->通过肉眼观察，我们很容易发现S2在S1中存在，位置处于4.

在不知道kmp算法之前，我们在处理的时候，采用移位的思想，首先比较2个字符串的第一个字母，如果不相同，那么就移动一位。如果相同，继续比较下面几个字符串，知道S2的所有字符串都相同，那么就匹配成功了。

下图就是模拟传统匹配的过程：

这样的匹配看起来也可以实现我们刚刚的功能，但是每次都要去比较整个串，时间复杂度上是不允许的。

可以举一个极端的例子：

S1：aaaaaaaaaaaaaaaaab
S2：aaaaaab

如果是这个例子，S2在最后匹配成功，前面很多无用的比较都是浪费时间的。时间复杂度为O(n*m)

这时候，kmp就上场了，kmp就是对传统的暴力算法的优化，传统右移每次移动1位，而kmp很聪明，每次移动若干位。

那么，如何实现每次尽可能的多移动位数，从而达到最快速度匹配呢。

kmp在匹配之前，首先计算一个Next数组。这个next数组计算的是，找出最长的相同前缀和后缀。

字符串S2：ababc

子串有：

a 最长的相同前缀和后缀：0
ab 最长的相同前缀和后缀：0
aba 最长的相同前缀和后缀：1
abab 最长的相同前缀和后缀：2
ababc 最长的相同前缀和后缀：0

Next[]={0，0，1，2，0}；

求next数组的代码：

void get_next()
{
	_next[0]=-1;
	//第一个值为-1的意思就是，在上面数组的基础上，都向后偏移一位
	//第一个位置填-1，这样写方便后面匹配。
	//结果为 [-1,0,0,1,2]
	int i=0;
	int j=-1;
	while(i<m)
	{
		if(j==-1||t[i]==t[j]) //t可以看做上面的S2
		{
			i++;
			j++;
			_next[i]=j;
		}
		else
		{
			j=_next[j];
		}
	}
}

S2=“ababc”
第一次 i=0，j=-1 -> i++,j++,next[1]=0
第二次 i=1，j=0 -> j=next[j] -> j=-1
第三次 i=1，j=-1 -> i++,j++,next[2]=0
.
.
.
.这样模拟下去，就能计算出next数组，不清楚的手工模拟一下就懂了。

接下来就是匹配过程，一张图来解释：

模板题 HDU1711

AC代码+kmp模板：

#include <bits/stdc++.h>
#define rep(i,x,y) for(int i=(x);i<(y);i++)
using namespace std;
int const N=1000000+100;

int T,n,m;
int s[N],t[N];
int _next[N];

void get_next()
{
	_next[0]=-1;
	int i=0;
	int j=-1;
	while(i<m)
	{
		if(j==-1||t[i]==t[j])
		{
			i++;
			j++;
			_next[i]=j;
		}
		else
		{
			j=_next[j];
		}
	}
}
int kmp()
{
	get_next();
	int i=0;
	int j=0;
	while(i<n)
	{
		if(j==-1||s[i]==t[j])
		{
			i++;
			j++;
		}
		else
		{
			j=_next[j];
		}
		if(j==m)return i-j+1;
	}
	return -1;
}

int main()
{
	scanf("%d",&T);
	while(T--)
	{
		scanf("%d%d",&n,&m);
		rep(i,0,n)scanf("%d",&s[i]);
		rep(i,0,m)scanf("%d",&t[i]);
		printf("%d\n",kmp());
	}
	return 0;
}