串（string）

1.串匹配问题

pattern：模式串

text：文本串

在文本串中找到与模式串相匹配的位置。

2.蛮力算法

两种不同实现，都是从文本串的头开始匹配，失败模式串向后移动一格继续匹配。最坏O(n*m)。第一个返回的如果是大于n-m，则匹配失败。第二个如果返回n-m+1也是匹配失败。

 3.KMP算法

利用经验的算法：主要思路是，在一次比对中，如果给定比对失败的位置，那么前面的比对成功的值是确定的，因此只根据模式串就可以预先构筑出一个表，表中记录下一个要比较的j值,即next[j]，i值不用回退（和第一种蛮力算法比较），这个next[j],一定小于j，当j=0时，next[0]=-1,仿佛是P[-1]与T [i]在进行下一次比较，可以认为这个值始终相等，那么i++，j++，其实实际上是P[0]与T[i+1]比较，符合应该进行的操作。构造next[]表的思路：要确定next[j+1]等于多少，如果p（j）=p（next[j]）,那么next[j+1]=next[j]+1，如果不相等，比较怕P（j）与P（next[next[j]]）,如果相等，则next[j+1]=next[next[j]]+1，如此迭代，如果知道P（j）=P（-1）才相等，那么next[j+1]=0，也符合规律。构造表需要O（m）时间。

可以还有改进的next表，之前的next[j]充分利用j前面已经成功匹配的信息，其实还可以考虑失败的信息，即T[i]一定不等于P[j]，所以next[j]除了前面的要匹配外，P（next[j]）还不能等与P[j]相等。分析改进版和第一版的区别，其实可以发现，t依然是j的next[j]（不考虑P（next[j]）还不能等与P[j]相等的情况），如果要考虑新的条件，next[j]要等于next[t]，因为p（next[t]）一定不等于p（t），从而不等于P[j]。

时间复杂度分析：最坏O（n）。按照最坏的时间考虑，要i增长到n时，程序结束。花费时间主要是在比较上，比较可以分为两部分，Ti与Pj相等和Ti与Pj不等。相等的部分一定时O（n），因为相等i就前进一步，路途的距离不过是n。不等的时间呢？可以注意到不等的时候j跳转奥next[j]，不断变小，到j=-1时，i一定会前进一步。因此不等的时间会等于j变小的次数，因为j的增长来源是i的增长，所以总的增长不过n，因此总的减少也不过n（况且每一次减少可能不止1点），因此不等的比较次数也是O（n），因此总的时间O（n）。整个过程可以这么理解：一只蜗牛要走n米的路程，是走1m需要一单位时间，会积累一点劳累值（j），停留一单位时间可以至少减少1点劳累值，劳累值到达-1休息饱了一定会向前走。整个过程结束要么是劳累过度gg（j值达到m），或者是到达终点（i值达到n）。要时间尽可能长，那么应该是要到达终点。分析总时间主要花费在走路和休息上，走路的时间不过O（n），休息的时间也不过O（n）。加上构造表的时间，一共O（n+m）。（也可以把模式串p看成小车不断向前移动）

 想要充分利用以往对比的信息，那就要一次尽可能匹配多一点长度，从概率上看n/(s^m),如果k小的话匹配的长度可能多一些，所以比较适合s（字符集数量）小的。

  4.BM算法

从P的末端开始扫描比较。蛮力算法与前面第一版的蛮力算法相比，只需ｉ－－，ｊ－－，循环结束条件ｊ＝－１或者是ｉ＝ｎ，同时也有回退和复位。

bc策略（bad character）：构建bc表，表长度是字符集数量，记录每个字符在模式串P中出现的最后的位置。如果匹配失败，调用bc策略的过程就是根据文本串的坏字符是什么，查序bc表，如果值小于当前位置j，那么可以用该值作为继任进行比较。这种适合容易出现比较失败的场景（例如字符集很大），因为这样一方面匹配失败的j值会很大，然后bc表中的值可能会很小，这样可以前进一大步，效率很高。如果字符集小的话效率就反过来了很低。坏字符策略为什么要适合从末端开始 扫描呢？如前所述，bc策略效率高的场景是匹配失败概率较大的时候，如果你从头开始扫描，很容易就在前面就遇到坏字符，这样其实能移动的距离很小。所以bc策略适用于从末端扫描。

gs策略（good suffix）：

好后缀有点像KMP中的利用经验和教训，不同的是，KMP中只有在尾端（j接近m）时模式串才有可能移动接近m的距离，而BM好后缀中，无论ｊ匹配失败在哪个位置，都有可能达到ｍ的位移量，因为在BM中，后继的极限不是０，可能是ｊ－ｍ（这后继是在KMP的语境下，从头到尾进行比较，其实在BM里是从末端比较，后面这些根本不需要比较，也就没有什么如果是负数就定义为和所有的值相等），即有了ｍ的位移量。产生这种现象的原因是前者是从头到尾进行扫描，无法知道文本串T在ｊ后面的情况，所以最多只能移动ｊ；而后者从末端开始扫描，文本串T在ｊ后面的是清楚的。

ｇｓ表记录的是模式串移动的距离（和KMP算法不一样，ｎｅｘｔ表记录的是下一继任的位置），ｇｓ［ｍ－１］＝１，其他的取值为［１，ｍ］，如果取的值大于ｊ，说明P部分前缀等于后缀（值取ｊ＋１后缀是整个P［ｊ＋１，ｍ－１］，其他的值是其一部分），如果取值小于等于ｊ，说明ｐ中间有一段完全匹配P［ｊ＋１，ｍ－１］。确定一个ｇｓ［ｊ］的思路是，从小到大从１到ｍ逐渐尝试，如前面所诉，１到ｊ＋１需要完全匹配，ｊ＋１到ｍ只需要匹配P［ｊ＋１，ｍ－１］的部分后缀，从小到大遇到合适的就停下来。

构造ｇｓ表：首先构造ｓｓ表，ｓｓ［ｊ］表示的是从P［ｊ］往前与Ｐ［ｍ－１］往前匹配的最大的长度，ｓｓ［ｍ－１］＝ｍ，其他的值［０，ｊ＋１］。由ｓｓ表怎么得到ｇｓ表？注意到如果ｓｓ［ｊ］＝ｊ＋１，那么ｍ－１－ｊ是所有ｇｓ［ｊ］的候选；ｓｓ［ｊ］＜ｊ＋１，那么ｍ－１－ｊ是ｊ＞＝ｍ－１－ｓｓ［ｊ］的ｇｓ［ｊ］的候选。所以可以将ｇｓ表先初始化，值全是ｍ，然后从后往前依次访问ｓｓ表，根据不同取值更新ｇｓ表（因为是从后往前，所以前面赋值的一定更小，所以不需要比大小，只需要判断有没有赋值过，即是否等于ｍ）。至于构造ｓｓ表，蛮力算法O（ｍ＾２），有O（ｍ）的算法。（待会学习）

ｂｃ策略可以冲上限（ｎ／ｍ），ｇｓ策略可以保下限（ｎ＋ｍ）。gs策略保下限O（n+m）的分析和KMP很相似，关键要注意到每次比较可以跳过一些已经成功比对的段落。这个可以以P作为小车来分析，其充满油之后必定会向前走（不然再充就爆炸），充油的过程可以类比为从后向前扫描比较，当充到一定量的油向前走时，走多少油就消耗多少（注意之前有的油不一定全部消耗光了），可以知道，向前走的时间O（n），充油的时间也是O（n）。

 ５、ｋａｒｐ－Ｒａｂｉｎ算法

字符串 -> 数，第一想法是用进制来表示，其实还可以用素数的乘积表示，每个字符串表示相应位置的素数的指数。 

Cantor Numbering。 所谓的numbering就是将一系列有顺序的数通过某个函数转化成一个数。

 当然因为一个字符可以转为数，所有字符串也可转化为一个数（这个数被称为指纹）。字符串的匹配可以转为数是否相等。以ASCII为例，用一个字节8位表示一个字符，那么一个m长度的字符串其实是m个字节，8m位的数表示的，因为一般寄存器64位，所以一次只能比较64位，即需要比较m/8次，O（m）（和前面的比较方式相比，区别在于前面都是一个字符一个字符比较，而这是8个字节8个字节比较，但是只是常数上优化，一次比较还是要O（m）），总体比较也还要O（n*m）的时间。

通过hash可以将指纹压缩，压缩后的指纹只需O（1）比较时间，但是压缩的过程需要O（m）时间*n，还是O（1）*n时间？

 两个不同算法计算a^n,一个是n--，需要O（n），一个是根据位数，一次迭代位向前进1，只要O（logn），但是a^n打印都需要O（n），为什么会有悖论？

 

6、Trie 键树

储存一系列字符串时，如果字符集比较小，那么很多字符串会有共同前缀，利用这种方式的可以节省空间。