标签：... 时间 sub word 遍历 算法 kmp算法 去重复 cab
KMP背景分析
普通算法（遍历），会遗忘所有之前比较过的信息，导致每一次移位，都要重新重头比较每一个字符。这将会导致 O(mn)的时间复杂度（m: 关键字符长度，n: 文本string的长度）
而KMP算法，则能够保证不去重复比较已经部分匹配的字符，比如序列“abcdabac”，如果“abcd”部分匹配了文本，而在接下来的“d”位置上不匹配，那么算法则会直接跳过4个位置，重新进行比较，而不是移位1个，从头进行比较。这样就能够保证时间复杂度为 O(n)。说通俗一些就是直接跳到公共前后缀的位置：
图中阴影部分代表公共前后缀，对于“abcdabac”就是“ab”
为了保证上述复杂度，需要对关键字符进行预处理（就是标明最长公共前后缀的辅助数组），而这一过程的时间复杂度为 O(m)。因为 m<n，所以总的算法时间复杂度为 O(n)
一些定义
令 x = abacab，那么x的一些术语描述如下：proper prefixes 前缀:
a, ab, aba, abac, abaca
proper suffixes 后缀:
b, ab, cab, acab, bacab
borders 边界（前，后缀共有的最长子串）：
ab
边界 ab 拥有 2 的宽度
而我们的预处理，就是对 关键字字符串 算出每个位置上的 边界。
比如：
j: 0 1 2 3 4 5
p[j]: a b a b a a
b[j]: 0 0 1 2 3 1
预处理过程
该过程就是生成 partial match table 或者称为 failure function的算法，即生成 b[j] 数组。
b[j]的生成过程，其实可以对关键字符串P，用 递推方式 算出来，时间复杂度为 O(m)
假设 b[0], ..., b[i-1] 已知，那么 边界b[i] 的值，通过比较 Pj，Pi 可以得到
如果Pj==Pi，那么 b[i] = b[j-1] + 1
如果不相等，那么需要重新获得下一个最大边界长度，这里需要用到如下定理：
当字符串x的最大边界是s，次大边界是r，可以推得s的最大边界就是r。
当想扩展x的 边界s 不成功，那么就把x的边界变为s的边界r，重新扩展：
使用如下例子，关键子字符串P：
j‘ j i i‘
a a a b a a e e a a a b a a a ...
|r| |r|
|----s----| |----s----|
|------------P------------|...
当前的位置i的最大边界是s，次大边界是r。假设当点边界s的宽度是 j = 6。
当i移动到下一个位置i‘的时候，“e”和“a”并不相等，边界无法拓展，于是更新 j = b[j-1], 于是j更新为r的宽度2，记为j‘
再次比较Pj‘ 和 Pi‘是否相等，发现相等，于是更新b[i‘] = b[j‘] + 1;同时更新j‘ = 3;(如果还不相等，就再次找r的最大边界，指导j更新为0）
代码
preprocessing的代码：1 2 3 4 5 6 7 8 9 10 11 12 13 | vector<int> kmpProcess(string s) {
vector<int> b(s.size(),0);
int j = 0;
for (int i = 1; i < s.size(); i++) {
while (j > 0 && s[i] != s[j])
j = b[j - 1];
if (s[i] == s[j])
j++;
b[i] = j;
}
return b;
}
|
Knuth-Morris-Pratt Algorithm
标签：... 时间 sub word 遍历 算法 kmp算法 去重复 cab
原文地址：http://www.cnblogs.com/zhxshseu/p/ef2f76d5d840793202ab216e5f4f62a5.html
