【KMP+随机算法（Monta Carlo+Las Vegas）】字符串匹配 思路解析和代码

字符串匹配

对于字符串X和模式串Y（由0-1组成），使用两类随机算法，蒙特卡洛和拉斯维加斯算法求解两串是否匹配，随后再使用KMP检验两串是否匹配进行验证，统计三种算法的运行时间和蒙特卡洛算法的错误率，分别对字符串X长度为50，500，5000，50000进行检验，模式串Y不能太短

个人思路

思路

KMP算法

• next[j]表示模式串的子串0 ~ j与 子串 j+1 ~ 模式串.size() 的最长相等前后缀 的前缀的最后一位
• 使用根据模式串，计算各位其对应的next[]数组
• 执行KMP算法，遍历字符串X，i指向字符串的欲比较位，j指向模式串匹配的最后一位，若X[i] == Y[j + 1]，模式串的指针j后移；若X[i] != Y[j + 1]，则 j = next[j]

随机算法

通过对字符串“取指纹”判断字符串是否相等
取指纹的方法：

1. 由于字符串和模式串是由0-1组成，将字符串和模式串由二进制转换为十进制
2. 随机生成一个小于M的整数P （P为素数），M的大小可以自己定义
3. 对字符串的十进制编码与P做取模运算
4. 若字符串和模式串的取模结果相同，则视为二者匹配

Monta Carlo算法

• 对字符串和模式串取指纹
• 取指纹后的结果相等则说明两字符串匹配，不等说明不匹配

Las Vegas算法

• 在蒙特卡洛算法的基础上进行优化
• 当两字符串的取指纹结果相等时，则进行逐一比对，若比对结果不同，则继续向后进行模式匹配

Monta Carlo算法和Las Vegas算法

• 蒙特卡洛算法得到的解可能是正确的也可能是错误的，当数量级足够大时，算法出错的概率可以忽略
• 拉斯维加斯算法得到的解一定是正确的解，但存在无解的情况

结论

• 从运行的结果来看，蒙特卡洛算法的错误率与模式串Y长度无关（迭代次数过少，可以尝试一下10000次迭代，与X长度的关系不明显）
• X的长度越大，蒙特卡洛算法错误率越高，这是否与算法实现和取指纹方法有关-----原因是随机数P的取值问题，随机数P应当取一个较大的素数
• 当P一定大时，蒙特卡洛算法的出错率要比1/n小得多

为什么取模要取质数

• 对素数取模一般能得到较好的离散结果，素数取模可以尽可能地避免模数相同之间的公因数，来达到减少冲突的目的；如果取合数，不同数字取模后的会出现结果相同的情况（发生冲突），也就是离散效果都不好

个人思路代码

循环执行

/*
 单次执行KMP,MontaCarlo,LasVegas
 * @Author: LLX 
 * @Date: 2020-11-03 13:30:58 
 * @Last Modified by: SEUer
 * @Last Modified time: 2020-11-03 16:12:08
 */
#include<bits/stdc++.h>
using namespace std;
const int mod = 1e9 + 7;
typedef long long ll;
string x;//原字符串
string y;//模式串
//作用：当j+1位匹配失败时，j应该回退到的位置
vector<int> yNext;//KMP next数组，标志模式串中最长相等前后缀 的前缀最后一位的下标
int xSize, ySize;
void init(int xSize, int ySize){
   
    x = "";//初始化清空
    for(int i = 0; i < xSize; ++i){
   
        int num = (int)(round(1.0 * rand() / RAND_MAX));
        x += '0' + num;
    }
    y = "";
    for(int i = 0; i < ySize; ++i){
   
        int num = (int)(round(1.0 * rand() / RAND_MAX));
        y += '0' + num;
    }
    printf("\n");
}
void getNext(){
   
    int j =