【算法思维】-- KMP算法

OJ须知：

• 一般而言，OJ在1s内能接受的算法时间复杂度：10e8 ~ 10e9之间（中值5*10e8）。在竞赛中，一般认为计算机1秒能执行 5*10e8 次计算。

时间复杂度	取值范围
o(log2n)	大的离谱
O(n)	10e8
O(nlog(n))	10e6
O(nsqrt(n)))	10e5
O(n^2)	5000
O(n^3)	300
O(2^n)	25
O(3^n)	15
O(n!)	11

时间复杂度排序：o(1) < o(log2n) < o(n) < o(nlog2n) < o(n^2) < o(n^3) < o(2^n) < o(2^n) < o(3^n) < o(n!)

---

目录

字符串匹配算法

KMP算法

引出next数组

求next数组的练习

用手 + 看

用数学式

next数组的优化

引入nextval数组

复杂度分析

---

字符串匹配算法

        BF算法，即暴力(Brute Force)算法，是普通的模式匹配算法，BF算法的思想就是将目标串S的第一个字符与模式串T 的第一个字符进行匹配，若相等，则继续比较S的第二个字符和 T的第二个字符；若不相等，则比较S的第二个字符和 T的第一个字符，依次比较下去，直到得出最后的匹配结果。BF算法是一种蛮力算法。（百度百科）

        接下来我们就将这段晦涩难懂的话，举一个例子：S："ababcabcd"，T："abcd"。

• 相等时：

• 不相等时：

思路代码化展示： 

#include <cstdio>
#include <cassert>
#include <cstring>
int BF(const char* str, const char* sub)
{
	assert(str != nullptr && sub != nullptr);
	if (str == nullptr || sub == nullptr)
		return -1;
	int i = 0;
	int j = 0;
	int strLen = strlen(str);
	int subLen = strlen(sub);
	while (i < strLen && j < subLen)
	{
		if (str[i] == sub[j])
		{
			i++;
			j++;
		}
		else
		{
			//回退
			i = i - j + 1;
			j = 0;
		}
	}
	if (j >= subLen)
		return i - j;
	return -1;
}
int main()
{
	printf("%d\n", BF("ababcabcdabcde", "abcd"));
	printf("%d\n", BF("ababcabcdabcde", "abcde"));
	printf("%d\n", BF("ababcabcdabcde", "abcdef"));
	return 0;
}

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) [1]。（百度百科）

#区别：KMP 和 BF 唯一不一样的地方在，主串的 i 并不会回退，并且 j 也不会移动到 0 号位置。

• 首先举例，为什么主串不回退？ 

        如果按照BF算法，那么必须i变为第二个字符，将变为第一个字符。但是我们可以知道都比到这个位置了，那么从 i 向前和 j 向前的字符串一定是相等的。

        而根据KMP算法就是，先分析短的子字符串。

        是不是有一对，以j - 1结尾的字符串和0开头的子字符串相等。而根据i 向前和 j 向前的字符串一定是相等可以知道。

        看似是巧合，但这就是核心！因为此时我们并不需要将i移动，并且已经比较了一段。

        而现在的问题就是： j 如何知道，它该移到哪一个指定的位置？

引出next数组

        KMP 的精髓就是 next 数组：也就是用 next[j] = k;来表示，不同的 j 来对应一个 K 值， 这个 K 就是你将来要移动的 j 要移动的位置。

而 K 的值是这样求的：

1. 规则：找到匹配成功部分的两个相等的真子串（不包含本身），一个以下标 0 字符开始，另一个以 j-1 下标 字符结尾。
2. 不管什么数据 next[0] = -1; next[1] = 0; 在这里，我们以下标来开始，而说到的第几个第几个是从 1 开始。

#一句话：next[0] = -1，next[1] = 0，此后找以0开头、j - 1结尾的两字串相等的长度。

求next数组的练习

• 用手 + 看

练习 1：对于 "ababcabcd"，求其的 next 数组？

练习 2：对于 "abcabcabcabcdabcde"，求其的 next 数组？

-1 0 0 0 1 2 3 4 5 6 7 8 9 0 1 2 3 0

#Tip：增加一定只会 +1

• 用数学式

        到这里相信大家对如何求next数组应该问题不大了，那么接下来的问题就是：已知next[i] = k;怎么求next[i+1] = ?;。

        首先假设：next[i] = k 成立，那么就有这个式子成立： P[0]...P[k-1] = P[x]...P[i-1]; 

        并且由于长度的相等，所以x也是可以推算而出的： k - 1 - 0 = i - 1 - x ，所以带入x： P[0]...P[k-1] = P[i-k]...P[i-1]; 。

        到这一步：我们再假设如果 P[k] == P[i]; 我们可以得到 P[0]...P[k] = P[i-k]..P[i]; 那这个就是 next[i+1] = k+1; 

         再来看看： Pk != Pi 的时候。

融汇贯通的理解：（为什么以此方式回退？）

---

逻辑思维转换图

 #一句话：k一直回退，直到找到p[i] == p[k]，否者k = -1，然后next[所求] = k + 1。

//KMP算法
#include <cstdio>
#include <cassert>
#include <cstring>
#include <string>
#include <vector>
#include <iostream>

int KMP(std::string str, std::string sub)
{
	if (str.size() == 0 || sub.size() == 0)
		return -1;
	std::vector<int> next(sub.size(), 0);

	// 利用数学式求next
	next[0] = -1, next[1] = 0;
	for (int i = 1; i < sub.size() - 1; i++)
	{
		int k = next[i];
		while (sub[k] != sub[i])
		{
			k = next[k];
			if (k == -1) break;
		}
		next[i + 1] = k + 1;
	}

	int j = 0;
	int i = 0;
	while(i < str.size())
	{
        // j == -1 一开始就匹配失败了，那i++;j++;正好是sub重新开始，str下一个
		if (j == -1 || str[i] == sub[j])
		{
			i++;
			j++;
			if (j == sub.size()) return i - j;
		}
		else j = next[j];
	}
	return -1;
}
int main()
{
	printf("%d\n", KMP("ababcabcdabcdeebcd", "ebcd"));
	printf("%d\n", KMP("ababcabcdabcde", "abcde"));
	printf("%d\n", KMP("ababcabcdabcde", "abcdef"));
	return 0;
}

next数组的优化

        在上述的处理方式会出现下列情况。

        这一步一步回退不好，最好的就是一步就跳到第一个a，然后直接 -1 + 1 = 0，于是便有了next数组的优化，引入一个nextval数组。

引入nextval数组

nextval数组的求法：

• 回退到的位置和当前字符一样，就写回退那个位置的nextval值。
• 如果回退到的位置和当前字符不一样，就写当前字符原来的next值。

//KMP算法
#include <cstdio>
#include <cassert>
#include <cstring>
#include <string>
#include <vector>
#include <iostream>

int KMP(std::string str, std::string sub)
{
	if (str.size() == 0 || sub.size() == 0)
		return -1;
	std::vector<int> next(sub.size(), 0);
	std::vector<int> nextval(sub.size(), 0);

	// 利用数学式求next
	next[0] = -1, next[1] = 0;
	nextval[0] = -1;
	for (int i = 1; i < sub.size() - 1; i++)
	{
		int k = next[i];

		// 求nextval
		if (sub[k] == str[i]) nextval[i] = nextval[i - 1];
		else nextval[i] = next[i];

		while (sub[k] != sub[i])
		{
			k = nextval[k];
			if (k == -1) break;
		}
		next[i + 1] = k + 1;
	}

	int j = 0;
	int i = 0;
	while(i < str.size())
	{
        // j == -1 一开始就匹配失败了，那i++;j++;正好是sub重新开始，str下一个
		if (j == -1 || str[i] == sub[j])
		{
			i++;
			j++;
			if (j == sub.size()) return i - j;
		}
		else j = next[j];
	}
	return -1;
}
int main()
{
	printf("%d\n", KMP("ababcabcdabcdeebcd", "ebcd"));
	printf("%d\n", KMP("ababcabcdabcde", "abcde"));
	printf("%d\n", KMP("ababcabcdabcde", "abcdef"));
	return 0;
}

利用nextval优化求next效果：

复杂度分析

• 时间复杂度：O(m+n)，srt字符串长m、sub字符串长n。
• 空间复杂度：O(n)。