Brute-Force算法的思想
1.BF(Brute-Force)算法
Brute-Force算法的基本思想是:
1) 从目标串s 的第一个字符起和模式串t的第一个字符进行比较,若相等,则继续逐个比较后续字符,否则从串s 的第二个字符起再重新和串t进行比较。
2) 依此类推,直至串t 中的每个字符依次和串s的一个连续的字符序列相等,则称模式匹配成功,此时串t的第一个字符在串s 中的位置就是t 在s中的位置,否则模式匹配不成功。
Brute-Force算法的实现
c语言实现:
- // Test.cpp : Defines the entry point for the console application.
- //
- #include "stdafx.h"
- #include <stdio.h>
- #include "stdlib.h"
- #include <iostream>
- using namespace std;
- //宏定义
- #define TRUE 1
- #define FALSE 0
- #define OK 1
- #define ERROR 0
- #define MAXSTRLEN 100
- typedef char SString[MAXSTRLEN + 1];
- /************************************************************************/
- /*
- 返回子串T在主串S中第pos位置之后的位置,若不存在,返回0
- */
- /************************************************************************/
- int BFindex(SString S, SString T, int pos)
- {
- if (pos <1 || pos > S[0] ) exit(ERROR);
- int i = pos, j =1;
- while (i<= S[0] && j <= T[0])
- {
- if (S[i] == T[j])
- {
- ++i; ++j;
- } else {
- i = i- j+ 2;
- j = 1;
- }
- }
- if(j > T[0]) return i - T[0];
- return ERROR;
- }
- void main(){
- SString S = {13,'a','b','a','b','c','a','b','c','a','c','b','a','b'};
- SString T = {5,'a','b','c','a','c'};
- int pos;
- pos = BFindex( S, T, 1);
- cout<<"Pos:"<<pos;
- }
2.KMP算法
2.1 算法思想:每当一趟匹配过程中出现字符比较不等时,不需要回溯I指针,而是利用已经的带的“部分匹配”的结果将模式向右滑动尽可能远的一段距离后,继续进行比较。
即尽量利用已经部分匹配的结果信息,尽量让i不要回溯,加快模式串的滑动速度。
需要讨论两个问题:
①如何由当前部分匹配结果确定模式向右滑动的新比较起点k?
② 模式应该向右滑多远才是高效率的?
现在讨论一般情况:
假设 主串:s: ‘s(1) s(2) s(3) ……s(n)’ ; 模式串 :p: ‘p(1) p(2) p(3)…..p(m)’
现在我们假设 主串第i个字符与模式串的第j(j<=m)个字符‘失配’后,主串第i个字符与模式串的第k(k<j)个字符继续比较。
此时,s(i)≠p(j):
由此,我们得到关系式:即得到到1 到 j -1 的"部分匹配"结果:
‘P(1) P(2) P(3)…..P(j-1)’ = ’ S(i-j+1)……S(i-1)’
从而推导出k 到 j- 1位的“部分匹配”:即P的j-1~j-k=S前i-1~i- (k -1))位
‘P(j - k + 1) …..P(j-1)’ = ’S(i-k+1)S(i-k+2)……S(i-1)’
由于s(i)≠p(j),接下来s(i)将与p(k)继续比较,则模式串中的前(k-1)个字符的子串必须满足下列关系式,并且不可能存在 k’>k 满足下列关系式:(k<j)
有关系式: 即(P的前k- 1 ~ 1位= S前i-1~i-(k-1) )位 ) ,:
‘P(1) P(2) P(3)…..P(k-1)’ = ’S(i-k+1)S(i-k+2)……S(i-1)’
现在我们把前面总结的关系综合一下,有:
由上,我们得到关系:
‘p(1) p(2) p(3)…..p(k-1)’ = ‘p(j - k + 1) …..p(j-1)’
反之,若模式串中满足该等式的两个子串,则当匹配过程中,主串中的第i 个字符与模式中的第j个字符等时,仅需要将模式向右滑动至模式中的第k个字符和主串中的第i个字符对齐。此时,模式中头k-1个字符的子串‘p(1) p(2) p(3)…..p(k-1)’ 必定与主串中的第i 个字符之前长度为k-1 的子串 ’s(j-k+1)s(j-k+2)……s(j-1)’相等,由此,匹配仅需要从模式中的第 k 个字符与主串中的第 i 个字符比较起 继续进行。 若令 next[j] = k ,则next[j] 表明当模式中第j个字符与主串中相应字符“失配”时,在模式中需要重新和主串中该字符进行的比较的位置。由此可引出模式串的next函数:根据模式串P的规律: ‘p(1) p(2) p(3)…..p(k-1)’ = ‘p(j - k + 1) …..p(j-1)’
由当前失配位置j(已知) ,可以归纳计算新起点k的表达式。
由此定义可推出下列模式串next函数值:
模式匹配过程:
KMP算法的实现:
第一步,先把模式T所有可能的失配点j所对应的next[j]计算出来;
第二步:执行定位函数Index_kmp(与BF算法模块非常相似)
- int KMPindex(SString S, SString T, int pos)
- {
- if (pos <1 || pos > S[0] ) exit(ERROR);
- int i = pos, j =1;
- while (i<= S[0] && j <= T[0])
- {
- if (S[i] == T[j]) {
- ++i; ++j;
- } else {
- j = next[j+1];
- }
- }
- if(j > T[0]) return i - T[0];
- return ERROR;
- }
完整实现代码:
- // Test.cpp : Defines the entry point for the console application.
- //
- #include "stdafx.h"
- #include <stdio.h>
- #include "stdlib.h"
- #include <iostream>
- using namespace std;
- //宏定义
- #define TRUE 1
- #define FALSE 0
- #define OK 1
- #define ERROR 0
- #define MAXSTRLEN 100
- typedef char SString[MAXSTRLEN + 1];
- void GetNext(SString T, int next[]);
- int KMPindex(SString S, SString T, int pos);
- /************************************************************************/
- /*
- 返回子串T在主串S中第pos位置之后的位置,若不存在,返回0
- */
- /************************************************************************/
- int KMPindex(SString S, SString T, int pos)
- {
- if (pos <1 || pos > S[0] ) exit(ERROR);
- int i = pos, j =1;
- int next[MAXSTRLEN];
- GetNext( T, next);
- while (i<= S[0] && j <= T[0])
- {
- if (S[i] == T[j]) {
- ++i; ++j;
- } else {
- j = next[j];
- }
- }
- if(j > T[0]) return i - T[0];
- return ERROR;
- }
- /************************************************************************/
- /* 求子串next[i]值的算法
- */
- /************************************************************************/
- void GetNext(SString T, int next[])
- { int j = 1, k = 0;
- next[1] = 0;
- while(j < T[0]){
- if(k == 0 || T[j]==T[k]) {
- ++j; ++k; next[j] = k;
- } else {
- k = next[k];
- }
- }
- }
- void main(){
- SString S = {13,'a','b','a','b','c','a','b','c','a','c','b','a','b'};
- SString T = {5,'a','b','c','a','c'};
- int pos;
- pos = KMPindex( S, T, 1);
- cout<<"Pos:"<<pos;
- }
2.2 求串的模式值next[n]
k值仅取决于模式串本身而与相匹配的主串无关。
我们使用递推到方式求next函数:
1)由定义可知:
next[1] = 0;
2) 设 next[j] = k ,这个表面在模式串中存在下列关系:
‘P(1) ….. P(k-1)’ = ‘P(j - k + 1) ….. P(j-1)’
其中k为满足1< k <j的某个值,并且不可能存在k` > 满足:
‘P(1) ….. P(k`-1)’ = ‘P(j - k` + 1) ….. P(j-1)’
此时next[j+1] = ?可能有两种情况:
(1) 若Pk = Pj,则表明在模式串中:
‘P(1) ….. P(k)’ = ‘P(j - k + 1) ….. P(j)’
并且不可能存在k` > 满足: ‘P(1) ….. P(k`)’ = ‘P(j - k` + 1) ….. P(j)’
即next[j+1] = k + 1 推到=》:
next[j+1] = next[j] + 1;
(2) 若PkPj 则表明在模式串中:
‘P(1) ….. P(k)’ ‘P(j - k + 1) ….. P(j)’
此时可把next函数值的问题看成是一个模式匹配的问题,整个模式串即是主串又是模式串,
而当前匹配的过程中,已有:
Pj-k+1 = P1, Pj-k+2 = P2,... Pj-1 = Pk-1.
则当PkPj时应将模式向右滑动至以模式中的第next[k]个字符和主串中的第 j 个字符相比较。
若next[k] = k`,且Pj= Pk`, 则说明在主串中的第j+1 个字符之前存在一个长度为k` (即next[k])的最长子串,和模式串
从首字符其长度为看k`的子串箱等。即
‘P(1) ….. P(k`)’ = ‘P(j - k` + 1) ….. P(j)’
也就是说next[j+1] = k` +1 即
next[j+1] = next[k] + 1
同理,若Pj Pk` ,则将模式继续向右滑动直至将模式串中的第next[k`]个字符和Pj对齐,
... ,一次类推,直至Pj和模式中某个字符匹配成功或者不存在k`(1< k` < j)满足,则:
next[j+1] =1;
- /************************************************************************/
- /* 求子串next[i]值的算法
- */
- /************************************************************************/
- void GetNext(SString T, int next[])
- { int j = 1, k = 0;
- next[1] = 0;
- while(j < T[0]){
- if(k == 0 || T[j]==T[k]) {
- ++j; ++k; next[j] = k;
- } else {
- k = next[k];
- }
- }
- }
注意:
(1)k值仅取决于模式串本身而与相匹配的主串无关。
(2)k值为模式串从头向后及从j向前的两部分的最大相同子串的长度。
(3)这里的两部分子串可以有部分重叠的字符,但不可以全部重叠。
next[j]函数表征着模式P中最大相同前缀子串和后缀子串(真子串)的长度。
可见,模式中相似部分越多,则next[j]函数越大,它既表示模式T字符之间的相关度越高,也表示j位置以前与主串部分匹配的字符数越多。
即:next[j]越大,模式串向右滑动得越远,与主串进行比较的次数越少,时间复杂度就越低(时间效率)。