BM算法是对KMP算法的一种改进 , 它的效率比KMP算法快3~5倍
BM算法主要根据两个原则: 1、坏字符 , 2、好后缀。
假设存在主串S , 长度为s_l, 模式串T中 , 长度为t_l
1、坏字符
如果在主串S中存在一个字符 , 并且这个字符在模式串T中不存在 , 那么模式串向右移t_l位。 (因为,如果这样的字符存在 , 那么在第一次匹配的时候 , 就能发现 , 所以需要向右移动 t_l 位的距离)
如果在主串S中存在一个字符 , 但这个字符不在模式串T中当前的位置 , 那么可以移动模式串 , 使得模式串T中最右边的该字符 , 与主串S对齐
因此:
t_l x != T[ j ] , 1 <= j <= t_l 即模式串中不存在该字符
deltal ( x ) =
m - max( k / T[ k ] = x , 1 <= k < m) , x 在模式中最右边的位置
代码:
void bminitocc()//判断坏字符函数
{
int i;
for(i = 0; i < t_length; i++)
occ[t[i]] = i;
}
2、 好后缀
有时坏字符启发会失败 。 把模式符号的最右匹配对齐到主串相应字符 , 将可能导致负移位。 但是移动一个位置是可行的, 但在这种情况下 , 从模式串的结构推导出最大可能的可移位距离将是更好的 , 这就叫好后缀启发。
好后缀有两种情况:
1、
T中间的某一子串与已比较的的部分相等。
2、
T已比较部分的后缀和T的前缀相同
对于上面两种情况 , 我们取移位距离最小的 , 为将要移动的距离 , 因为我们要保证存在的每一种可能都经过比较。
问题一: 现在 , 我们来看一种问题 , 当在某一次的比较时 , 该比较部分 , 即存在部分相同前缀 ,并且在T另一位置中又存在完全相同的一部分 , 这个时候我们可以发现 , 第一种情况(也就是T中间的某一子串与已比较的的部分相等)的移位距离更短 。 因此我们可以判断 , 只要两种情况都存在时,我们只需要取第一种情况的距离就行了 , 因为这相对于第二种情况肯定是更短的。
问题二: 当我们知道了模式串开头处的好后缀 , 那么我们就能知道什么时候有第二种情况出现
根据上面的两种情况 , 我们只需要求出第一种情况 , 我们就能知道第二种情况
代码:
f [] 存储每个位置的好后缀
next [] 存储最终应该的移位距离
void bmpreprocess1()//存储存在的所有好后缀的位置
{
int i = t_length , j = t_length+1;
f[i] = j;
while(i >= 0)
{
while(j <= t_length && t[i-1] != t[j-1])
{
if(next[j] == -1) next[j] = j-i; //当存在好后缀的时 , 应该右移的位置
j = f[j];
}
i--;
j--;
f[i] = j;
}
//cout<<f[0]<<endl;
}
void bmpreprocess2()//计算 , 当好后缀存在时 , 应该向右移动的距离
{
int i , j;
j = f[0];
for(i = 0; i < t_length; i++)
{
if(next[i] < 0) next[i] = j;//当只有一部分匹配后缀在模式开始处出现时。
if(i == j) j = f[i];
printf("%dc %d\n" , next[i] , f[i]);
}
}