1. 程式人生 > >kmp演算法及解釋

kmp演算法及解釋

KMP演算法屬於單模式字串匹配演算法。我通過看書和看網上的部落格,做筆記於此。
先做一個形象的解釋(http://kb.cnblogs.com/page/176818/):
這種演算法不太容易理解,網上有很多解釋,但讀起來都很費勁。直到讀到Jake Boxer的文章,我才真正理解這種演算法。下面,我用自己的語言,試圖寫一篇比較好懂的KMP演算法解釋。
  1.
這裡寫圖片描述
  首先,字串”BBC ABCDAB ABCDABCDABDE”的第一個字元與搜尋詞”ABCDABD”的第一個字元,進行比較。因為B與A不匹配,所以搜尋詞後移一位。
  2.
這裡寫圖片描述
  因為B與A不匹配,搜尋詞再往後移。
  3.
這裡寫圖片描述


  就這樣,直到字串有一個字元,與搜尋詞的第一個字元相同為止。
  4.
這裡寫圖片描述
  接著比較字串和搜尋詞的下一個字元,還是相同。
  5.
這裡寫圖片描述
  直到字串有一個字元,與搜尋詞對應的字元不相同為止。
  6.
這裡寫圖片描述
  這時,最自然的反應是,將搜尋詞整個後移一位,再從頭逐個比較。這樣做雖然可行,但是效率很差,因為你要把”搜尋位置”移到已經比較過的位置,重比一遍。
  7.
這裡寫圖片描述
  一個基本事實是,當空格與D不匹配時,你其實知道前面六個字元是”ABCDAB”。KMP演算法的想法是,設法利用這個已知資訊,不要把”搜尋位置”移回已經比較過的位置,繼續把它向後移,這樣就提高了效率。
  8.
這裡寫圖片描述

  怎麼做到這一點呢?可以針對搜尋詞,算出一張《部分匹配表》(Partial Match Table)。這張表是如何產生的,後面再介紹,這裡只要會用就可以了。
  9.
這裡寫圖片描述
  已知空格與D不匹配時,前面六個字元”ABCDAB”是匹配的。查表可知,最後一個匹配字元B對應的”部分匹配值”為2,因此按照下面的公式算出向後移動的位數:
  移動位數 = 已匹配的字元數 - 對應的部分匹配值
  因為 6 - 2 等於4,所以將搜尋詞向後移動4位。
  10.
這裡寫圖片描述
  因為空格與C不匹配,搜尋詞還要繼續往後移。這時,已匹配的字元數為2(”AB”),對應的”部分匹配值”為0。所以,移動位數 = 2 - 0,結果為 2,於是將搜尋詞向後移2位。
  11.
這裡寫圖片描述

  因為空格與A不匹配,繼續後移一位。
  12.
這裡寫圖片描述
  逐位比較,直到發現C與D不匹配。於是,移動位數 = 6 - 2,繼續將搜尋詞向後移動4位。
  13.
這裡寫圖片描述
  逐位比較,直到搜尋詞的最後一位,發現完全匹配,於是搜尋完成。如果還要繼續搜尋(即找出全部匹配),移動位數 = 7 - 0,再將搜尋詞向後移動7位,這裡就不再重複了。
  14.
這裡寫圖片描述
  下面介紹《部分匹配表》是如何產生的。
  首先,要了解兩個概念:”字首”和”字尾”。 “字首”指除了最後一個字元以外,一個字串的全部頭部組合;”字尾”指除了第一個字元以外,一個字串的全部尾部組合。
  15.
這裡寫圖片描述
  “部分匹配值”就是”字首”和”字尾”的最長的共有元素的長度。以”ABCDABD”為例,
  - “A”的字首和字尾都為空集,共有元素的長度為0;
  - “AB”的字首為[A],字尾為[B],共有元素的長度為0;
  - “ABC”的字首為[A, AB],字尾為[BC, C],共有元素的長度0;
  - “ABCD”的字首為[A, AB, ABC],字尾為[BCD, CD, D],共有元素的長度為0;
  - “ABCDA”的字首為[A, AB, ABC, ABCD],字尾為[BCDA, CDA, DA, A],共有元素為”A”,長度為1;
  - “ABCDAB”的字首為[A, AB, ABC, ABCD, ABCDA],字尾為[BCDAB, CDAB, DAB, AB, B],共有元素為”AB”,長度為2;
  - “ABCDABD”的字首為[A, AB, ABC, ABCD, ABCDA, ABCDAB],字尾為[BCDABD, CDABD, DABD, ABD, BD, D],共有元素的長度為0。
  16.
這裡寫圖片描述
  “部分匹配”的實質是,有時候,字串頭部和尾部會有重複。比如,”ABCDAB”之中有兩個”AB”,那麼它的”部分匹配值”就是2(”AB”的長度)。搜尋詞移動的時候,第一個”AB”向後移動4位(字串長度-部分匹配值),就可以來到第二個”AB”的位置。

看完上面的內容後,對KMP演算法的步驟就瞭解了。如果讓我自己寫,會寫成這樣的:
1. 對模式串裡的某個字元,分別寫出它和它之前的字元們組成的字串的字首和字尾,然後比對二者裡相同字串的長度,作為該字元的偏移值,如果有多個相同的字串,取最短的那個作為偏移值;
2. 在使用模式串對目標串進行匹配時,如果出現模式串的某個字元與目標串的字元不一樣,先統計出已經匹配的字元數,在減去該字元的偏移值,即為跳轉間隔,如上面的步驟9所示。
在貼上《演算法導論》上的虛擬碼之前,先寫出符號解釋:

字串w]x意為 w 是 x 的字尾;
pk指模式串p的前k個字元;
Tk指目標串T的前k個字元;

這裡寫圖片描述
這裡寫圖片描述
《演算法導論》上的程式碼有點抽象,手工找個例子推一遍就好了。
對於π[]的求解:
這裡寫圖片描述