Uno, concreto
Requisito: Comprender y saber que, por lo general, no se requiere la escritura del código de la pizarra.
1. Solución violenta ( O (MN) O (MN)O ( M N ))
// Java
public static int forceSearch(String txt, String pat) {
int M = txt.length();
int N = pat.length();
for (int i = 0; i <= M - N; i++) {
int j;
for (j = 0; j < N; j++) {
if (txt.charAt(i + j) != pat.charAt(j))
break;
}
if (j == N) {
return i;
}
// 更加聪明?
// 1. 预先判断 hash(txt.substring(i, M)) == hash(pat)
// 2. KMP
}
return -1;
}
2. Algoritmo de Rabin-Karp
// Java
public final static int D = 256;
public final static int Q = 9997;
static int RabinKarpSerach(String txt, String pat) {
int M = pat.length();
int N = txt.length();
int i, j;
int patHash = 0, txtHash = 0;
for (i = 0; i < M; i++) {
patHash = (D * patHash + pat.charAt(i)) % Q;
txtHash = (D * txtHash + txt.charAt(i)) % Q;
}
int highestPow = 1; // pow(256, M-1)
for (i = 0; i < M - 1; i++)
highestPow = (highestPow * D) % Q;
for (i = 0; i <= N - M; i++) {
// 枚举起点
if (patHash == txtHash) {
for (j = 0; j < M; j++) {
if (txt.charAt(i + j) != pat.charAt(j))
break;
}
if (j == M)
return i;
}
if (i < N - M) {
txtHash = (D * (txtHash - txt.charAt(i) * highestPow) + txt.charAt(i + M)) % Q;
if (txtHash < 0)
txtHash += Q;
}
}
return -1;
}
3 KMP
Para obtener más información, consulte los videos y artículos en 1 y 2 y 3.
3.1, conceptos básicos
-
Prefijo: excepto el último carácter, todas las combinaciones de cabeza de una cadena;
-
Sufijo: excepto el primer carácter, todas las combinaciones finales de una cadena.
Ejemplo: Cadena S = "ABCDAB", el prefijo es [A, AB, ABC, ABCD, ABCDA], el sufijo es [BCDAB, CDAB, DAB, AB, B], el elemento total es "AB" y la longitud es 2.
3.2, proceso de procesamiento de KMP
1: tabla de prefijos
Para una cadena, encuentre la longitud del elemento común más largo de los prefijos y sufijos de todas las cadenas.
Mueva la longitud pública calculada hacia atrás una posición, y la primera posición es -1.
2. Correspondencia de cadenas
Paso 1: a partir de i = 0, j = 0, compare si son iguales uno por uno.
Paso 2: cuando encuentre desigualdad, primero mire el número correspondiente debajo de la tabla de prefijos y luego mueva el puntero al subíndice correspondiente de la cadena del patrón. La cadena de patrón de efecto equivalente se mueve hacia atrás como un todo.
Paso 3: el efecto después del movimiento se muestra a continuación.
Código:
// C V2.0
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
void prefix_table(char pattern[], int prefix[], int n) {
prefix[0] = 0;
int len = 0;
int i = 1;
while (i<n) {
if ( pattern[i]==pattern[len] ) {
// ABA --> ABAB, 最长公共前缀长度由1 --> 2
len++;
prefix[i] = len;
i++;
}
else {
if (len > 0) {
// 防止越界,
// ABABCABA --> ABABCABAA。关键步骤,补充理解见下。
len = prefix[len-1];
}
else {
// pattern[i]!=pattern[len] && len==0, 防止死循环 A --> AB, 0 --> -1, 此时i = 0
prefix[i] = len;
i++;
}
}
}
}
void move_prefix_table(int prefix[], int n) {
int i;
for (i=n-1; i>0; i--) {
prefix[i] = prefix[i-1];
}
prefix[0] = -1;
}
void kmp_search(char text[], char pattern[]) {
int n = strlen(pattern);
int m = strlen(text);
int* prefix = malloc(sizeof(int) * n);
prefix_table(pattern, prefix, n);
move_prefix_table(prefix, n);
// text[i] , len(text) = m
// pattern[i] , len(pattern) = n
int i = 0;
int j = 0;
while (i < m) {
if (j==n-1 && text[i] == pattern[j]) {
printf("Found pattern at %d\n", i-j);
j = prefix[j];
}
if (text[i]==pattern[j]) {
i++; j++;
}
else {
j = prefix[j]; // 关键过程可见上图
if (j == -1) {
i++; j++;
}
}
}
}
/**/
int main() {
/**/
char pattern[] = "ABABCABAA";
char text[] = "ABABABCABAABABABAB";
kmp_search(text, pattern);
/*
char pattern[] = "ABABCABAA";
int prefix[9];
int n = 9;
prefix_table(pattern, prefix, n);
move_prefix_table(prefix, n);
int i;
for (i=0; i<n; i++) {
printf("%d\n", prefix[i]);
}
*/
return 0;
}
Complejidad temporal: O (m + n), lo peor puede degenerar en O (mn), como {aaaaaaaab, ab}
Complejidad espacial: O (1)
- Comprensión complementaria: cómo construir rápidamente la siguiente matriz
Punto clave: la cadena del patrón coincide.
La definición de siguiente [i]: P [0] ~ P [i] La longitud de la cadena común máxima de prefijo y sufijo en esta sección de cadena de caracteres, es decir, el k máximo del prefijo k igual al sufijo k.
Los pasos clave para entender: len = prefijo [len-1], ¿por qué? (El análisis proviene de la Referencia 7)
Objetivo: ahora índice = 12, encontrar el valor k del último dígito de la siguiente matriz, es decir, siguiente [último] =?
- Información conocida:
- Ahora la cadena A es la misma que la cadena B, siguiente [último-1] = String_A.length = String_B.length = 5.
- En la primera mitad del párrafo, next [ahora-1] = {a, b} .length = 2, 2 es la longitud de la cadena común más grande del prefijo y sufijo de la subcadena A.
- análisis:
- Si P [ahora] == P [x], agregue directamente +1 sobre la base del dígito anterior, y se convierte en 5 + 1 = 6.
- Pero P [ahora]! = P [x], luego siguiente [último] = siguiente [ahora] = 0? Obviamente no.
- Find next [last] =? Necesito saber el prefijo común y el sufijo de P [0] ~ P [x-1].
Cadena A = cadena B, P [ahora]! = P [x], es decir, ya sabemos el carácter común más grande del prefijo y la cadena de sufijo A o B no está satisfecho. Necesitamos acortar la cadena común, y el prefijo y sufijo deben acortarse aún más.
Continuando con el análisis, el prefijo de la siguiente iteración (abreviado) debe estar en la cadena A y el sufijo debe estar en la cadena B. Cadena A == Cadena B, por lo que debe encontrar la longitud común máxima del prefijo y sufijo de la cadena A, es decir, siguiente [ahora-1].
Ahora salte, el valor específico: ahora = siguiente [ahora-1], luego compare p [ahora] == p [x]? Igual, luego siguiente [último] = ahora + 1; de lo contrario, ahora = siguiente [ahora-1], continúa el ciclo.
Dos, referencia
1. Algoritmo de concordancia de cadenas KMP 1
2. Algoritmo de concordancia de cadenas KMP 2
3. Algoritmo KMP
para concordancia de cadenas 4, KMP para concordancia de cadenas, BoyerMoore, algoritmo Sunday
5, código de fuerza bruta de concordancia de cadenas ejemplo
6, Rabin-Karp Ejemplo de código
7. ¿Cómo comprender y dominar mejor el algoritmo KMP?