KMP算法的改进思路

一.KMP算法的介绍

KMP算法（Knuth–Morris–Pratt Algorithm）：这是一种利用已匹配的信息来跳过不必要的比较的字符串匹配算法，它的核心思想是计算模式串的前缀函数，表示模式串的每个前缀子串中，最长的既是前缀又是后缀的字符串的长度。然后在匹配过程中，如果发现不匹配，就根据前缀函数来决定模式串应该向右移动多少位，从而避免重复比较已匹配的部分。这种算法的时间复杂度是O(m+n)。

以下算法均采用主串T="acbccadbacbacc",模式串P="acbacc"。

KMP算法伪代码：

int KMP（char *T,char *P）{
  int T_len=len(T); //文本串T的长度
  int P_len=len(P); //模式串P的长度
  int i=0,j=0;
  while(i<T_len&&j<P_len){
    if(T[i]==P[j]){
      i++;
      j++;
    }else{
      j=next[j]; //失配，指针回退到对应next数组对应的下标元素
    }
  }
  return j<P_len?-1:i-j; //成功返回下标，反之-1；
}

KMP算法的演示过程：

序号	0	1	2	3	4	5	6	7	8	9	10	11	12	13
文本串	a	c	b	c	c	a	d	b	a	c	b	a	c	c
第一次	a	c	b	a	c	c
第二次				a	c	b	a	c	c
第三次					a	c	b	a	c	c
第四次						a	c	b	a	c	c
第五次							a	c	b	a	c	c
第六次								a	c	b	a	c	c
第七次									a	c	b	a	c	c

二.BM算法的介绍

BM算法（Boyer–Moore Algorithm）：这是一种从右往左匹配的字符串匹配算法，它的核心思想是利用模式串中的信息来跳过尽可能多的主串字符，从而达到快速匹配的目的。BM算法主要使用了两种规则：坏字符规则和好后缀规则。坏字符规则是指，如果在某个位置发现不匹配，就将模式串中最靠右的与主串中该字符相同的字符与之对齐，如果没有这样的字符，就跳过整个模式串。好后缀规则是指，如果在某个位置发现不匹配，就将模式串中与已匹配的后缀子串相同的最长子串与之对齐，如果没有这样的子串，就找到已匹配的后缀子串的最长前缀，使之与模式串的前缀对齐。这种算法的最坏时间复杂度是O(m*n)。

当然BM算法还有跟KMP算法一样。还有好后缀规则，改进算法思想中没有提及，感兴趣的同学可以自行查阅。

BM算法的演示过程：

序号	0	1	2	3	4	5	6	7	8	9	10	11	12	13
文本串	a	c	b	c	c	a	d	b	a	c	b	a	c	c
第一次	a	c	b	a	c	c
第二次			a	c	b	a	c	c
第三次						a	c	b	a	c	c
第四次									a	c	b	a	c	c

三.KMP算法的改进思路

KMP算法解决了BF算法中文本指针i的回溯问题，但它仍有局限性。在KMP算法中，指针i每次只能向前移动一位，且模式串的跳转距离总是小于当前的j值。这意味着当字符不匹配的可能性较时，j值通常较小，导致KMP算法的总体匹配效率并不理想。为了提高效率，研究者们提出了改进的KMP算法，如改进的next数组计算方法，这些改进旨在减少不必要的比较，使算法更加高效。改进算法在KMP算法不仅保证主串T指针i不回溯的问题，还能保证主串每次比较结束后，尽可能多的移动。改进算法的最坏时间复杂度为O(m+n)，理论上也优于BM算法。

改进算法的执行过程描述如下：

首先，需要先对模式串进行处理，得到next数组和BM算法坏字符跳转距离数组BMc。

当发生不匹配时，第一个步骤是先调用KMP算法进行移动，移动之后再次比较。第二个步骤就是调用BM算法的坏字符跳转规则，使主串T再次移动。重复执行上述两个步骤，直到主串结束或匹配成功。

改进算法的流程图如下：

改进算法的主体伪代码描述：

while(i<T.length){
  if(j==-1||T[i]==P[j]){
    if(匹配成功){
      i++;j=0;//找到一个匹配，寻找下一个
    }
    else{i++;j++;}
  }
  else{//计算模式串移动next［j］后末字符在文本T中的
位置
   tLast=T[i+P_len-next[j]-1];
   //T该位置的文本字符与P末字符不匹配
   if(tLast!=PLast){
    j=0;
    i=i+坏字符跳转;
   }else{j=next[j]}//按照KMP继续匹配
  }
}

改进KMP算法的一般思路是增加预处理，最大程度利用部分匹配值，减少字符的比较次数。

改进算法的演示过程如下：

序号	0	1	2	3	4	5	6	7	8	9	10	11	12	13
文本串	a	c	b	c	c	a	d	b	a	c	b	a	c	c
第一次	a	c	b	a	c	c
第二次						a	c	b	a	c	c
第三次									a	c	b	a	c	c

在第一次遇到不匹配时，先计算出该位置的文本字符 为 tLast = T［i + m - next［ j］ - 1］ = T［3 + 6 - 0 - 1］ = T［8］ = ‘a’， 模式串的末字符为c，a与c不匹配，则用字符a进行坏字符匹 配，第一步next数组跳的距离为 j - next［ j］ = 3 - next［3］ = 3， 第二步用bmBc数组跳的距离 bmBc［a］ = 2 ，两步的跳跃距 离和就是i移动的距离，即i值等于i + bmBc（a） - next［ j］ = 5， 此时 j 值重新赋值为0，再进行下一次窗口的匹配，如表 4所示；若两字符匹配，则按照KMP的匹配过程进行比 较，即 j 值等于 next［ j］ 值，再进行下一轮的比较。

四.代码能力较差，所以只给出了伪代码描述，作个人学习记录，如有不足之处请指正。