浅谈KMP算法及其next[]数组
KMP算法是众多优秀的模式串匹配算法中较早诞生的一个,也是相对最为人所知的一个。
算法实现简单,运行效率高,时间复杂度为O(n+m)(n和m分别为目标串和模式串的长度)
当字符串长度和字符集大小的比值很大时,KMP算法相对蛮力有着很大的优势
理解KMP算法,关键是理解其中的精髓——next[]数组。
(统一起见,下文将目标字符串记作obj,将模式字符串记作pattern,这与后面的程序代码是一致的)
我们给一个字符串S定义一个next值,记作next(S),next(S)=n表示:
(1)S的前n个字符构成的前缀,和后n个字符的后缀是相等的
(2)n是满足(1)条件的极大值。
如果不存在一个满足(1)条件的n,那么记next(S)=0。
例如,字符串“GACC”的next值为0,“GACCGG”的next值为1(极大前(后)缀为“G"),
“GACCGGACC”的next值为4(极大前(后)缀为”GACC“),“GAGAG”的next值为5。(极大前(后)缀就是它本身)。
而next[]数组,记录的则是pattern的所有前缀的next值。
next数组的作用,就是在模式匹配的过程中,尽可能减少模式串的偏移量。
下令obj=”GACGAACGACCGACGACGCCGACGAC“(O__O"…),pattern=”GACGCCG“。
模式匹配的流程如下:
设立两个”游标“i和j,分别指向obj串和pattern串当前正在检查的字符,初始时令i=j=0。
首先检查第一个字符,若obj[i]==pattern[j],那么i++,j++。直到遇到obj[i]!=pattern[j]的情形。
GACGAACGACCGACGACGCCGACGAC
GACGCCG
前4个字符检查通过,但第5个字符(i=j=4)出了问题。
朴素的做法是让i和j都回退,对于此例,回退至i=1,j=0,然而这样无疑会做许多重复的计算。
而KMP算法的做法则是:只移动pattern。而移动的方法,则关系到算法的效率甚至正确性。
我们的原则是:保证正确的前提下,使得重复判断的次数尽可能少。
最佳的做法是将j移动到next[j-1]的位置。
(1)由next的性质(满足“前缀等于后缀”条件的极大值)可知,这样可以省去尽可能多的判断
(2)并且可以保证这样做是正确的
此时j=4,而next[j-1]=next[3]=1,所以令j=1,再次进行比较。
GACGAACGACCGACGACGCCGACGAC
------GACGCCG
比对通过。令i=5,j=2。
GACGAACGACCGACGACGCCGACGAC
------GACGCCG
next[1]=0,所以令j=0。
GACGAACGACCGACGACGCCGACGAC
----------GACGCCG
即使回退到第一位也没有出现字符相等的情形。而我们已经无法回退了。
此时只能令i++,表示前面的部分检查无果,继续向后检查。
(你也可以理解成,让obj相对于pattern运动)
GACGAACGACCGACGACGCCGACGAC
--------------GACGCCG
重复上述的过程到了这里(i=10,j=3),next[2]=0
GACGAACGACCGACGACGCCGACGAC
--------------------GACGCCG
pattern无法回退了,所以向前检查。
GACGAACGACCGACGACGCCGACGAC
----------------------GACGCCG
i=15,j=4,next[3]=1
GACGAACGACCGACGACGCCGACGAC
----------------------------GACGCCG
回退之后比对成功,i++,j++,重复这一过程,直到……
GACGAACGACCGACGACGCCGACGAC
----------------------------GACGCCG
至此我们便利用next数组完成了模式串匹配的过程。
可以看到,next数组使得匹配过程中少了很多不必要的计算,整个匹配过程显得高效利落。
那么问题来了,怎样高效地求next数组?暴力是肯定行不通的。
事实上,next数组的求法和上述KMP算法的步骤惊人地相似,甚至可以说,求next数组的过程就是一个自我匹配的过程。
也就是:求next[j],就是让pattern[0..j]和pattern[0..x]进行上述的匹配过程。这里x=next[j-1]。next[j]=能够匹配成功的子串的最大长度。
下令pattern=”GACCGGACCGA“
首先令next[0]=0,易知next[1]=0。
之后,由于pattern[2]!=pattern[0],所以next[2]=0。同理next[3]=0。
由于pattern[4]==pattern[0],所以next[4]=0+1=1。
这里的0是next[3]的值。表示字符pattern[4]可以接到next[3]对应的后缀之后。
由于pattern[5]!=pattern[1],pattern[5]==pattern[next[0]]==pattern[0],所以next[5]=1。
详情如下:
GACCGG
--------GA 【 用pattern[0..1]匹配pattern[0..5],这里的1是next[4] 】
匹配不通过,所以令”模式串“的游标移至next[1]=0处(加了引号是因为这里的”模式串“是对pattern本身进行匹配)
GACCGG
----------GA
类似地,可得:next[6]=next[5]+1=2,next[7]=next[6]+1=3,next[8]=next[7]+1=4,next[9]=next[8]+1=5。
next[10]的求法如下:
GACCGGACCGA
----------GACCGG 【 next[4]=1 】
GACCGGACCGA
------------------GACCGG
故next[10]=2。
代码如下:
#include <cstdio> #include <cstring> ; char obj[maxL]; char pattern[maxL]; void input() { scanf("%s%s",obj,pattern); } }; int getNext() { next[]=; int len=strlen(pattern); ;i<len;i++) { ]; && pattern[i] != pattern[k]) k=k?next[k-]:-; next[i]=k+; } return len; } int kmp() //searching for the first place that pattern appears in obj { int lenObj=strlen(obj); int lenPattern=getNext(); ,j=;i<lenObj;i++) { && obj[i] != pattern[j]) j=j?next[j-]:-; ; } ; //not found } int main() { input(); printf("%d\n",kmp()); ; }
(我们用-1作为循环终止的条件)
附一道简单的练习题,求pattern在obj中出现的次数。
#include <cstdio> #include <cstring> ; char obj[maxL]; char pattern[maxL]; void input() { scanf("%s%s",pattern,obj); } }; int getNext() { next[]=; int len=strlen(pattern); ;i<len;i++) { ]; && pattern[i] != pattern[k]) k=k?next[k-]:-; next[i]=k+; } return len; } int kmp() { ; int lenObj=strlen(obj); int lenPattern=getNext(); ,j=;i<lenObj;i++) { && obj[i] != pattern[j]) j=j?next[j-]:-; ]; } } return ans; } int main() { int T; scanf("%d",&T); while(T--) { input(); printf("%d\n",kmp()); } ; }
Problem:POJ P3461
算法这东西,难者不会,会者不难。如果理解时遇到了瓶颈,不妨用笔实验一下,总结规律,也许就能悟出算法的思想。
ps.推荐另一篇博文:http://blog.csdn.net/OIljt12138/article/details/51107585,可以作为阅读本文的对照参考
浅谈KMP算法及其next[]数组的更多相关文章
- 【文文殿下】浅谈KMP算法next数组与循环节的关系
KMP算法 KMP算法是一种字符串匹配算法,他可以在O(n+m)的时间内求出一个模式串在另一个模式串下出现的次数. KMP算法是利用next数组进行自匹配,然后来进行匹配的. Next数组 Next数 ...
- 浅谈KMP算法
一.介绍 烤馍片KMP算法是用来处理字符串匹配问题的.比如说给你两个字符串A,B,问B是不是A的子串? 比如,eg就是aeggx的子串 一般讲字符串A称为主串,用来匹配的B串称为模式串 定义n为字符串 ...
- 【字符串算法3】浅谈KMP算法
[字符串算法1] 字符串Hash(优雅的暴力) [字符串算法2]Manacher算法 [字符串算法3]KMP算法 这里将讲述 [字符串算法3]KMP算法 Part1 理解KMP的精髓和思想 其实KM ...
- 浅谈KMP算法——Chemist
很久以前就学过KMP,不过一直没有深入理解只是背代码,今天总结一下KMP算法来加深印象. 一.KMP算法介绍 KMP解决的问题:给你两个字符串A和B(|A|=n,|B|=m,n>m),询问一个字 ...
- 浅谈 KMP 算法
最近在复习数据结构,学到了 KMP 算法这一章,似乎又迷糊了,记得第一次学习这个算法时,老师在课堂上讲得唾沫横飞,十分有激情,而我们在下面听得一脸懵比,啥?这是个啥算法?啥玩意?再去看看书,完全听不懂 ...
- 单模式串匹配----浅谈kmp算法
模式串匹配,顾名思义,就是看一个串是否在另一个串中出现,出现了几次,在哪个位置出现: p.s. 模式串是前者,并且,我们称后一个 (也就是被匹配的串)为文本串: 在这篇博客的代码里,s1均为文本串, ...
- poj 2406:Power Strings(KMP算法,next[]数组的理解)
Power Strings Time Limit: 3000MS Memory Limit: 65536K Total Submissions: 30069 Accepted: 12553 D ...
- KMP算法的next[]数组通俗解释
原文:https://blog.csdn.net/yearn520/article/details/6729426 我们在一个母字符串中查找一个子字符串有很多方法.KMP是一种最常见的改进算法,它可以 ...
- 浅谈分词算法(5)基于字的分词方法(bi-LSTM)
目录 前言 目录 循环神经网络 基于LSTM的分词 Embedding 数据预处理 模型 如何添加用户词典 前言 很早便规划的浅谈分词算法,总共分为了五个部分,想聊聊自己在各种场景中使用到的分词方法做 ...
随机推荐
- 携手 Google 和 Docker 为 Microsoft Azure 带来全新的开源容器技术
发布于 2014-08-08 作者 陈 忠岳 今天对容器管理来说是个好日子.因为今天微软开放技术不止发布一项,而是两项开源计划来帮助云开发者将容器管理又向前推进一步.我们已开始与 Google ...
- Linux学习笔记23——取消线程
一 相关函数 1 发送终止信号 #include <pthread.h> int pthread_cancel(pthread_t thread); 2 设置取消状态 #include & ...
- openstack 启用spice
Openstack启用spice协议 #控制节点 #安装 ? 1 apt-get install nova-spiceproxy spice-html5 spice-vdagent #配置 nano ...
- Apache服务器部署多个进程
本文以xampp安装的apache服务为例进行介绍 1.复制配置文件目录,复制一个新的配置文件目录conf2,区别于原来的配置文件目录conf
- CMS收集器
CMS收集周期 CMS并非没有暂停,而是用两次短暂停来替代串行标记整理算法的长暂停,它的收集周期是这样:初始标记(CMS-initial-mark) -> 并发标记(CMS-concurrent ...
- sql server 获取每一个类别中值最大的一条数据
/* 数据如下: name val memo a 2 a2(a的第二个值) a 1 a1--a的第一个值 a 3 a3:a的第三个值 b 1 b1--b的第一个值 b 3 b3:b的第三个值 b 2 ...
- 构建ASP.NET MVC4+EF5+EasyUI+Unity2.x注入的后台管理系统(40)-精准在线人数统计实现-【过滤器+Cache】
原文:构建ASP.NET MVC4+EF5+EasyUI+Unity2.x注入的后台管理系统(40)-精准在线人数统计实现-[过滤器+Cache] 系列目录 上次的探讨没有任何结果,我浏览了大量的文章 ...
- Latex笔记(参考文献) 分类: LaTex 2014-11-08 17:41 239人阅读 评论(0) 收藏
当你用LaTeX来写文档,在管理参考文献时,你可能会用到bibtex, 也许你会嫌麻烦,会选择用 \begin{thebibliography}{10} \bibitem xxxx \bibitem ...
- systemTAP 学习
http://blog.csdn.net/moonvs2010/article/category/1570309
- hadoop自带的writable类型
Hadoop 中,并没有使用Java自带的基本类型类(Integer.Float等),而是使用自己开发的类.Hadoop 自带有很多序列化类型,大致分为以下两种: 实现了WritableCompara ...