标签：lb 笔记 fail KMP 字符串 匹配 失配 ptr
目录
题外话
最初学这个算法，是在新初一的暑假里，一个初三即将毕业的学长给我们讲的。当时听得不是很懂，模板题也就只有 28pts。
后来过了好久，又想起来重新学一遍字符串，从 KMP 到 SAM 都来一遍。于是便有了这片文章。
什么是 KMP 算法
KMP 算法是由三名姓氏首字母分别为 K、M、P 的牛人发明的算法。虽然我不知道他们到底是谁hh
就像标题中那样说的，KMP 是字符串的匹配算法。
那什么叫做匹配呢？看下图就知道了：
接下来，我们会大量使用此类称呼，请务必记住这几个名称！
注 1：若未特别说明，下面用 \(n\) 表示文本串 \(S\) 的长度，\(m\) 表示模式串 \(T\) 的长度。
先来一个暴力
众所周知，很多优秀的算法都由于暴力。KMP 也不例外。我们先从一个一般的暴力算法开始：
- 初始化，\(i=1\)，\(j=1\)；
- 开始匹配，如果 \(S_i=T_j\)，则 \(i\leftarrow i+1\)，\(j\leftarrow j+1\)；
- 如果 \(S_i\neq T_j\)（也称为失配），则重新令 \(i\leftarrow i-j+2\)，\(j\leftarrow 1\)；
- 特别地，如果 \(j=m\)，即得到里一次匹配，则令 \(i\leftarrow i-m+2\)，\(j\leftarrow 1\)。
极其暴力，如果失配就从第一个没有匹配过的点开始。如果字符串是随机的可以跑得很优秀（因为很快就会失配），但是如果是精心构造过的数据就会被轻易卡到 \(\mathcal{O}(nm)\) 从而爆炸。
优化
怎么给这种算法加上优化呢？
我们注意到，之前的失配是非常浪费时间的。如果我们能够尽量利用失配前得到的结果，是不是就能在一定程度上提高程序效率，同时保证正确性呢？
每一次匹配都为了找出可能存在的匹配方案，那么如果某些点可以在一开始就被证明是不可能存在匹配的，是不是就能节省很多时间呢？
如下图：
在 KMP 算法中，这样的前缀/后缀被称为 border（有些也称为 next 数组）。这是整个 KMP 算法优化的关键。
这样，我们就能完成匹配后的优化。那么怎么解决失配的优化问题呢？其实很简单。
失配是什么？其实是模式串的一个前缀的匹配。所以我们也可以用匹配的优化来优化失配，只是指针的边界处理略有不同而已。
经过了这样的优化，匹配的时间复杂度可以降到多少呢？注意到指向文本串的指针只增不减，而指向模式串的指针也是只增不减。每一次比较必然带来两个指针至少一个的变化，所以复杂度是 \(\mathcal{O}(n+m)\)，有了极大的优化。
这一段的 Code：(我的写法的下标从 \(0\) 开始)
ptr = -1;
for (int i = 0; a[i]; i++) // 指向文本串的指针
{
while (ptr != -1) // 失配时的下一步匹配
{
if (b[ptr+1] == a[i]) // 找到了下一个匹配
break;
ptr = fail[ptr]; // 这个可以暂时不用理解，接下来讲怎么计算 border 时会证明这一点
}
if (a[i] == b[ptr+1]) // 这么写而不是 (ptr == -1) 是因为最后一位也有可能匹配成功
{
ptr++; // 指针移动一位
if (ptr == lb - 1) // 发现一个匹配
{
printf("%d\n", i - ptr + 1);
ptr = fail[ptr]; // 极大利用目前结果。
}
}
}
讲了这么多，我们似乎没有办法很快地求出 border，而且是模式串所有前缀的 border。我们需要引入 DP 想。
设 \(f_i\) 为到第 \(i\) 位的前缀的 border 长度。怎么转移呢？
首先根据 border 的定义，如果 \(T_{f_{i-1}+1}=T_i\)，也就是可以从上一位转移，即 \(f_i=f_{i-1}+1\)。但是如果失配了呢？
这也是 KMP 极其精髓的一点，我们要证明一个定理，从而极大地优化复杂度：
Theorem：一个 border 的 border 是原串的次大 border，即使字符串前缀和长度相等后缀一样的长度次大的方案。
一张图看懂证明（字符串用线段表示）：
这个性质至关重要，也就是说我们可以通过递归的方式来依次寻找最大、次大，从而转移。
有了这个性质，之前那个用递归方式进行指针移动的思路也明白了。那么……复杂度呢？这个玄学的复杂度怎么分析呢？（我不会）总之，这里的复杂度也是线性的。
贴代码时间到：
fail[0] = -1, ptr = -1;
for (lb = 1; b[lb]; lb++) // 遍历模式串
{
while (ptr != -1) // 跳
{
if (b[ptr+1] == b[lb]) // 发现相同的
break;
ptr = fail[ptr]; // 继续跳
}
if (b[ptr+1] == b[lb]) / 理由同上
ptr++;
fail[lb] = ptr; // 数组实际上存的是指针
}
完整代码
KMP 算法的代码，可以通过模板题
#include <cstdio>
using namespace std;
const int max_n = 1000000;
char a[max_n], b[max_n];
int fail[max_n+1];
int main()
{
int ptr, lb;
scanf("%s%s", a, b);
fail[0] = -1, ptr = -1;
for (lb = 1; b[lb]; lb++)
{
while (ptr != -1)
{
if (b[ptr+1] == b[lb])
break;
ptr = fail[ptr];
}
if (b[ptr+1] == b[lb])
ptr++;
fail[lb] = ptr;
}
ptr = -1;
for (int i = 0; a[i]; i++)
{
while (ptr != -1)
{
// printf("--- %d\n", ptr);
if (b[ptr+1] == a[i])
break;
ptr = fail[ptr];
}
if (a[i] == b[ptr+1])
{
ptr++;
// printf("%d: %d\n", i, ptr);
if (ptr == lb - 1)
{
printf("%d\n", i - ptr + 1);
ptr = fail[ptr];
}
}
}
for (int i = 0; i < lb; i++)
printf("%d ", fail[i] + 1);
putchar('\n');
return 0;
}
标签：lb,笔记,fail,KMP,字符串,匹配,失配,ptr 来源： https://www.cnblogs.com/5ab-juruo/p/note-kmp.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。