KMP(MP)算法详解

Written with StackEdit.
由于CSDN服务器的维护，我迫不得已地用了和CSDN版本相近的StackEdit

$\mathrm{KMP}$算法，是一种字符串匹配的算法。当然，我们已经学过了一两种字符串匹配算法，先来稍微回顾一下。
首先是暴力匹配，也就是将串中每一个长度等于另一串的子串和另一串进行匹配。若两串的长度为$n$和$m$，那么其的时间复杂度显然是$\text O(nm)$。
然后是哈希。哈希在本质上是一种概率算法，实际上是采用了一种映射的方法，如果将所有被哈希之前的字串的集合设为$A$，而被哈希之后的字串的哈希值集合设为$B$，那么也就相当于定义了一个映射$Hash:A\to B$，注意这不是一个单射，因为在大多数的情况下，有$|A|<|B|$。当然，有很多方法改进，但是只有完美哈希使得它不再算一个概率算法，然而完美哈希本身的操作过于繁琐，一般适用于字串不变的情况，如编译器中的指令。实际上，哈希算法的本质和暴力是一致的，但是由于映射的存在，使得哈希算法要比较的东西就不那么多了，就像暴力算法中只抽样比几位一样，但是哈希算法相当于是在每一位中都抽一点点的样（有些时候不是这样），所以更为准确一些。其的时间复杂度为$\Theta(n+m\log_{v}Mod)$，其中$v$是计算机所采用的进位制（如现在的一般采用二进制，不排除以后有更高进制的计算机，或者要求相关的交互题:)），$Mod$则是你所使用的模数（因为我们当时只学了一种哈希:-(）。
好吧，回顾完了，我们来稍微了解一些关于$\mathrm{KMP}$的东西。$\mathrm{KMP}$的本质是暴力匹配的优化，而其有一个较为简单的版本，$\mathrm{MP}$。本文介绍时将先介绍$\mathrm{MP}$算法，再比较$\mathrm{KMP}$与$\mathrm{MP}$之间那一个$\mathrm {'K'}$的不同。
考虑暴力算法，其思路大致是用指针$i$和$j$分别遍历两个串，然后当失配（即两个指针对应的字符不相等时）回到两个串“前面的位置”，也就是像回溯一样不断尝试。
但是，这样单纯地找，有时是不会有好结果的。如下所示，两个串$A$和$B$：

$$A:\mathrm {abababc}$$ $$B:\mathrm {ababc}$$
其中，若在串 $A$中找串$B$，那么第一次尝试匹配到 $\mathrm{ababa}$时，只有最后一位的 $\mathrm{a}$和 $\mathrm{c}$不一样。但是，这时我们注意到，串 $B$中有两个$\mathrm{ab}$，所以当回溯时，我们并不用将串 $A$中的指针$i$前移，而只需将 $B$中的指针$j$前移到开头即可。若设 $A=\mathrm{a_{1}a_{2}a_{3}a_{4}\dots}$， $B=\mathrm{b_{1}b_{2}b_{3}b_{4}\dots}$，那么因为已经比较，所以自然有 $\mathrm{a_1=b_1,a_2=b_2,a_3=b_3,a_4=b_4}$，于是又由于我们已知 $b_1=b_3,b_2=b_4$，那么就有 $b_1=a_3,b_2=a_4$。所以，只需从原位置继续开始即可。
$\mathrm{MP}$算法正是基于这样的一种思想。倘若存在某个 $[1,j]=[i-j,i]$，那么我们定义 $j=next(i)$，表示当在 $i$位置的字符失配时应当跳到哪里。其的求法我们先不管，但是这样一来匹配就很好写了，代码这里略去，请自行查找资料。
那么，$next(i)$的求法又应当是怎样的呢？答案是：几乎和匹配一样！想想看， $next(i)$的求解，不正相当于是用自己匹配自己吗？假如我们知道 $next(i)$，那么我们能找到一个 $j$，使得串$S$中有 $S_{i+1}=S_{j+1}$（当然，有时找不到，这时只需要设为一个特殊值就行了:)）那么这样的话，就应当有 $next(i+1)=j+1$。
这，就是 $\mathrm{MP}$算法的全套，至于 $\mathrm{KMP}$算法，请自行查阅资料。