本文共 6608 字,大约阅读时间需要 22 分钟。
引 入 引入 引入
“ SY 和 WYX 在看毛片。(几 毛 钱买到的动作 片,毛 片)
WYX 突然想回味一个片段,但是只记得台词里面有一句挺长的 “ ∗ ∗ ∗ ∗ **** ∗∗∗∗ ”,于是,他们找到剧本,想看 “ ∗ ∗ ∗ ∗ **** ∗∗∗∗ ”在剧本中出现了几次,分别是在什么地方。 他们遇到了麻烦,这样的剧本随便就是数百万单词,数千万字母,而且 “ ∗ ∗ ∗ ∗ **** ∗∗∗∗ ”长度也有上千万。 为了解决这个问题,SY 发明了一个 O(N) 的字符串匹配算法,以这次的目的命名,就叫 KMP(看毛片) 算法。 ” 但是他们不知道,前人已经发明此算法:
KMP 算法是一种改进的字符串匹配算法,由 D.E.Knuth,J.H.Morris 和 V.R.Pratt 提出的,因此人们称它为克努特—莫里斯—普拉特操作,简称 KMP 算法。
——摘自
“ 气愤的 SY 只好继续看毛片,并顺便拿了 NOIP2020提高组 CQ前十 ”
K M P 算 法 讲 解 KMP算法讲解 KMP算法讲解
引入里面讲的很形象了, K M P KMP KMP 算法是用来解决字符串匹配问题的,
问题原型就是在一个大字符串 S 1 S1 S1 里找一个小字符串 S 2 S2 S2 出现了多少次。暴力怎么做的不用我说了吧,咱们直接进入正题。
K M P KMP KMP 算法由两个子任务组成,求 S 2 S2 S2 每个前缀的最长 b o r d e r border border 和 在 S 1 S1 S1 中匹配 S 2 S2 S2 。
Subtask 1 求 border(求 next )
b o r d e r border border 是 “边界” 的意思,字符串内既是前缀又是后缀(而不等于原串)的一个子串,形象地叫它为该字符串的 b o r d e r border border.
例:
- abcab d abcab
- SY is such a SY
上面两个字符串中加粗的地方就是该字符串的最长 b o r d e r border border,字符串的 b o r d e r border border 并不唯一,比如第一个字符串就还有另一个 b o r d e r border border :“ ab ”,但是不是最长的。
根据这个定义,我们可以想想怎么线性地求 S 2 S2 S2 每一个前缀的最长 b o r d e r border border 的长度。
在 K M P KMP KMP 算法中,我们定义 S S S 第 i i i 个前缀的最长 b o r d e r border border 的长度为 n e x t S [ i ] next_S[i] nextS[i] (为什么叫 “next”,笔者也很好奇 🙃)
从字符串前端算起,很明显,由于 n e x t [ i ] < i next[i]<i next[i]<i,所以 n e x t [ 0 ] = n e x t [ 1 ] = 0 next[0]=next[1]=0 next[0]=next[1]=0.
然后往后算,设当前算到的位置为 i i i ,
首先,如果 S [ i ] = = S [ n e x t [ i − 1 ] + 1 ] S[i]==S[next[i-1]+1] S[i]==S[next[i−1]+1] ,那么 n e x t [ i ] = n e x t [ i − 1 ] + 1 next[i]=next[i-1]+1 next[i]=next[i−1]+1 ,而且这是 n e x t [ i ] next[i] next[i] 最好的情况,可以直接完事,去求 i + 1 i+1 i+1 了,因为如果 n e x t [ i ] > n e x t [ i − 1 ] + 1 next[i] > next[i-1]+1 next[i]>next[i−1]+1 的话, n e x t [ i − 1 ] next[i-1] next[i−1] 肯定可以等于 n e x t [ i ] − 1 next[i]-1 next[i]−1.
(next[i] : #### # #### → \rightarrow → next[i-1] : #### # ###(#))
那么否则就得找 i − 1 i-1 i−1 的次大的 b o r d e r border border ,以此类推。由于次大的 b o r d e r border border 肯定满足是最大的 border 的前缀且后缀,因为:
- 该 b o r d e r border border 对应最大 b o r d e r border border 前缀部分的前缀:AAAA B AAAA
- 该 b o r d e r border border 对应最大 b o r d e r border border 后缀部分的后缀:AAAA B AAAA
- 最大 b o r d e r border border 前缀部分和后缀部分显然相同:AAAA B AAAA
于是,可以充分证明,若当前的 b o r d e r border border 大小为 x x x ,则次大的 b o r d e r border border 为 n e x t [ x ] next[x] next[x] (前缀部分的 n e x t next next)。
好,我们就可以处理出 S S S 每一个位置的 n e x t next next 了。
那为什么它是线性的呢?我们可以隐约地意识到,每个位置的 n e x t next next 没有向左扩展的过程,只有向右扩展,
由于 n e x t [ i ] ≤ n e x t [ i − 1 ] + 1 next[i] ≤ next[i-1]+1 next[i]≤next[i−1]+1 ,所以整个计算过程中, “ i − n e x t [ i ] ” “ i-next[i] ” “i−next[i]” 这个量就从来没下降过,而且除了一开始判断 “ S [ i ] = = S [ n e x t [ i − 1 ] + 1 ] ” “S[i]==S[next[i-1]+1]” “S[i]==S[next[i−1]+1]” 可能使该量不变以外,找次大 b o r d e r border border 的操作每次一定会使 “ i − n e x t [ i ] ” “ i-next[i] ” “i−next[i]”变大,因此它是线性的。
模板
void INIT(char *ss,int *nxt,int n) { nxt[0] = nxt[1] = 0; for(int i = 2;i <= n;i ++) { int nm = nxt[i-1]; nxt[i] = 0; while(nm && ss[nm+1] != ss[i]) nm = nxt[nm]; if(ss[nm+1] == ss[i]) nxt[i] = nm+1; } return ;}
Subtask 2 字符串匹配
K M P KMP KMP 算法实际上是通过求出 S 1 S1 S1 每一个位置 i i i 向前延伸出最长的一段,满足是 S 2 S2 S2 的前缀,如果该段长度 = l e n g t h S 2 = length_{S2} =lengthS2 ,那么 [ i − l e n g t h S 2 + 1 , i ] [i-length_{S2}+1\;,\;i] [i−lengthS2+1,i] 就是 S 2 S2 S2 的一个出现位置,也就是说 K M P KMP KMP 是间接地解决了这个问题,这表明着该算法的功能可以更强大。
怎么做呢
仿照着求 n e x t next next 的推导,我们来求这个……不妨定义它为 F F F 吧,设 F [ i ] F[i] F[i] 为位置 i i i 向前延伸出最长的一段,满足是 S 2 S2 S2 的前缀的长度。
从左到右依次计算吧,首先 F [ 0 ] = 0 F[0]=0 F[0]=0.
接下来对于过程中的 i i i ,如果 S 1 [ i ] = = S 2 [ F [ i − 1 ] + 1 ] S1[i]==S2[F[i-1]+1] S1[i]==S2[F[i−1]+1] 那么 F [ i ] F[i] F[i] 直接等于 F [ i − 1 ] + 1 F[i-1]+1 F[i−1]+1 完事,否则找 n e x t [ F [ i − 1 ] ] next[F[i-1]] next[F[i−1]],然后是 n e x t [ n e x t [ F [ i − 1 ] ] ] next[next[F[i-1]]] next[next[F[i−1]]] ……直到后面那一位符号匹配。
这时候就会发现 n e x t [ ] next[] next[] 有多么大的用处,因为其又是后缀又是前缀的性质,使得 i i i 可以正常地从 F [ i − 1 ] F[i-1] F[i−1] 的一个 b o r d e r border border 出转移过来。
它的复杂度和正确性都和 n e x t next next 的证明类似,而且大多数人其实是第一部分看不懂而已,那就留给读者们一个思考空间吧🐵(笔者要写扩展KMP了……)
模板
//这里的代码特别灵活,每个题都不一样,笔者就不贴了
e x K M P 算 法 讲 解 exKMP算法讲解 exKMP算法讲解
“加了 ‘ex’前缀的算法总会变得高端一些呢 ”
前面说了, K M P KMP KMP 算法是求 “ S 1 S1 S1 每一个位置 i i i 向前延伸出最长的一段,满足是 S 2 S2 S2 的前缀的长度 ” ,而扩展 K M P KMP KMP 则是求 “ S 1 S1 S1 每一个位置 i i i 向后延伸出最长的一段,满足是 S 2 S2 S2 的前缀的长度 ” ,即, S 1 S1 S1 每个后缀与 S 2 S2 S2 的最长公共前缀。
该算法也有两个子任务,求 S 2 S2 S2 每个后缀和 S 2 S2 S2 本身的最长公共前缀长度 和 在 S 1 S1 S1 每个后缀中匹配 S 2 S2 S2(如上).
Subtask 1 ···
不妨设 e x [ i ] ex[i] ex[i] 为 S 2 i S2\;\,i S2i 开头的后缀和 S 2 S2 S2 本身的最长公共前缀长度,然后我们开始想怎么线性求它。
首先, e x [ 1 ] = l e n g t h S 2 ex[1]=length_{S2} ex[1]=lengthS2, e x [ 2 ] ex[2] ex[2] 可以暴力求出来。
接下来往后算,到了当前位置 i i i ,若 e x [ i − 1 ] − 1 > e x [ 2 ] ex[i-1]-1 > ex[2] ex[i−1]−1>ex[2] ,则 e x [ i ] = e x [ 2 ] ex[i]=ex[2] ex[i]=ex[2]。
因为它不能变得更长了, 如果变得更长的话, 会出问题的, e x [ 2 ] ex[2] ex[2] 就可以变得更大了,因为 e x [ i − 1 ] ex[i-1] ex[i−1] 涵盖了更大范围的公共前缀,在 e x [ i − 1 ] ex[i-1] ex[i−1] 范围内都可以当作 S 2 S2 S2 开头考虑。但是这并不能很好地衔接 i + 1 i+1 i+1 ,因为这样一来直接进入 i + 1 i+1 i+1 的话就要回退了,所以我们继续再判断是否 e x [ i − 1 ] − 1 > e x [ 3 ] ex[i-1]-1 > ex[3] ex[i−1]−1>ex[3](决定 e x [ i + 1 ] ex[i+1] ex[i+1] ) …… 最后起码会止步于 e x [ i − 1 ] − 1 > e x [ i − 1 ] ex[i-1]-1>ex[i-1] ex[i−1]−1>ex[i−1] 的判断(因为这肯定不成立),因此不存在访问了未计算部分的情况。
要是对于决定 e x [ i + x − 2 ] ex[i+x-2] ex[i+x−2] 的判断, e x [ i − 1 ] − 1 ≤ e x [ x ] ex[i-1]-1 ≤ ex[x] ex[i−1]−1≤ex[x] 呢?那就暴力从 i + e x [ i − 1 ] − 2 i+ex[i-1]-2 i+ex[i−1]−2 再向右扩展就是了。这样一来就不会向左回退,只会向右扩展,保证了复杂度线性。
模板
void INITex(char *ss,int *ex,int n) { ex[0] = 0;ex[1] = n;ex[2] = 0; int l = 0,r = 0; for(int i = 2;i <= n;i ++) { ex[i] = 0; if(i <= r) ex[i] = min(ex[i-l+1],r-i+1); while(i + ex[i] <= n && ss[i+ex[i]] == ss[ex[i]+1]) ex[i] ++; if(i + ex[i] - 1 > r) l = i,r = i + ex[i] - 1; } return ;}
Subtask 2 ···
也可以仿照 e x [ ] ex[] ex[] 的计算。
不妨设 G [ i ] G[i] G[i] 为 S 1 S1 S1 的第 i i i 位的后缀与 S 2 S2 S2 的最长公共前缀。
类似地,首先, G [ 1 ] G[1] G[1] 可以暴力跑出来。
然后,遍历到每一个 i i i ,若 G [ i − 1 ] − 1 > e x [ 2 ] G[i-1]-1 > ex[2] G[i−1]−1>ex[2] (注意这里是 e x [ 2 ] ex[2] ex[2]),则 G [ i ] = e x [ 2 ] G[i]=ex[2] G[i]=ex[2],然后继续判是否 G [ i − 1 ] − 1 > e x [ 3 ] G[i-1]-1>ex[3] G[i−1]−1>ex[3] 来决定 G[i+1] …… 这里就不用担心未计算的问题,因为 e x [ ] ex[] ex[] 肯定都处理完了。
直到找到一个不成立的,就从 i + G [ i − 1 ] − 2 i+G[i-1]-2 i+G[i−1]−2 再向右找,和 S u b t a s k 1 Subtask\;1 Subtask1 类似。
模板
for(int i = 1;i <= n;i ++) { if(s2[i] == s1[i]) G[1] = i;else break;}int l = 1,r = G[1];for(int i = 2;i <= n;i ++) { G[i] = 0; if(i <= r) G[i] = min(ex[i - l + 1],r - i + 1); while(i + G[i] <= n && s1[i + G[i]] == s2[G[i] + 1]) G[i] ++; if(i + G[i] - 1 > r) l = i,r = i + G[i] - 1;}
特 此 说 明 一 下 , 本 文 中 的 字 符 串 下 标 从 1 开 始 , 也 就 是 说 下 标 0 表 示 空 串 _{特此说明一下,本文中的字符串下标从1开始,也就是说下标 0 表示空串} 特此说明一下,本文中的字符串下标从1开始,也就是说下标0表示空串
转载地址:https://blog.csdn.net/weixin_43960414/article/details/110744238 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!