火力全开—模式匹配KMP算法

简介: 火力全开—模式匹配KMP算法

Brute-Force算法和KMP算法有什么区别?


🍁🍁🍁 Brute-Force算法:蛮力算法,依次比较每一个,比较次数多,时间复杂度O(n×m)。

🍁🍁🍁 KMP算法:滑动算法,比较的次数较少,时间复杂度O(n+m)。

🌲🌲🌲🌲🌲🌲🌲🌲🌲🌲🌲🌲🌲🌲🌲🌲

🍀🍀 🍀🍀注:根本区别在于,主串指针 “ i ” 是否回退。🍀🍀🍀🍀

🍁🍁🍁 Brute-Force算法:每次对比匹配不成功时,主串指针" i "都会进行 回退。

aae8ef501ef74d7cbdde1f471b917336.png


🍁🍁🍁KMP算法:每次对比匹配不成功时," i "指针不回退,而是利用已经得到的“部分匹配”的结果,将模式向右“滑动”,尽可能远的一段距离后进行比较。

fa7bb2f2c5054c0db0f76d81b5477dca.png


🐋 🐋KMP算法的详细讲解:


🍀🍀🍀 求公共前后缀 next 数组-- 推导🍀 🍀🍀


🎃🎃 公共前后缀,  指的就是主串和模式串具有相同的内容,所以只需要看模式串前后所具有的公共前后缀。【原因:我们的目的是让模式串在主串中进行全部匹配成功,那么在已经匹配成功的部分串中,主串和模式串的内容都是一样的。因此只需看模式串的公共前后缀】


🎃🎃next[ ] 数组的作用:


一是:next[ i ]的值,表示下标为i 的字符前的字符串最长相等前后缀的长度。


二是:表示该处字符不匹配时应该回溯到的字符的下标


🎃🎃实例1:


模式串:"abcabc"


❄️❄️❄️next[ ] 数组:


默认前两个位置


第一个位置:-1


第二个位置:0


原因:

1d1f688b850b4d86adffcb4dfdd98410.png


第三个位置:0

fcfcf6816e834d2995799a1e47f6682a.png


第四个位置:0

c96d6728862f431c8d7a5ad695758a87.png


第五个位置:1

c552410a1cb7451280957a098cf5c67c.png


第六个位置:2

2ec08398c387490fb1b1a397db5f2323.png


🍀🍀🍀 求 next[ j ]函数算法🍀 🍀🍀

 /**
     * 获得next数组
     * @param T  模式串
     * @return      返回next数组
     */
    public int[] getNext (IString T) {
        int[] next = new int[T.length()];       //创建next[] 数组,与模式串字符个数一致
        int j = 1 ;                             //主串指针
        int k = 0 ;                             // 模式串指针(相同字符计数器)
        //2. 默认情况
        next[0] = -1 ;
        next[1] = 0 ;
        //3. 准备比较
        while (j < T.length() -1) {                 //比较倒数第二个字符
            if (T.charAt(j) == T.charAt(k)) {       //匹配,连续有字符相等
                next[j+1] = k+1 ;
                j++ ;
                k++ ;
            }else if (k == 0 ) {                    //失配
                next[j+1] = 0 ;
                j++ ;
            }else {                                 // k不是0
                k = next[k] ;
            }
        }
        //4 处理完成,返回数组
        return next ;
    }

算法分析 :

例1:模式串abcabc

8e3620bf42af4950bc34c193d0ebf73a.png

例2:模式串ababaaa

ce94970b98714e37b1677d05db47d5d2.png

🍀🍀🍀 模式匹配的KMP算法🍀 🍀🍀

/**
* @param T 模式串
* @param start 在主串中的开始位置,例如:"ababababaaa".indexKMP("ababaaa", 0);
*/
public int index_KMP(IString T, int start) {
    int[] next = getNext(T);    // 根据模式串获得next数组
    int i = start;          // 主串指针,从start开始
    int j = 0;            // 模式串指针
    //字符比较
    while(i<this.length() && j < T.length()) {    //指针不能超过串
        // j==-1 表示第一个字符不匹配,i移动到下一个,j从0开始
        if(j==-1 || this.charAt(i) == T.charAt(j)) {
            i++;
            j++;
        } else {    //某一个字符不匹配,i不变,移动j的位置
            j = next [j];
        }
    }
    //返回结果
    if(j< T.length()) {
        return -1;          //j小于模式串的长度,表示没有匹配上
    } else {
        return i - T.length();    //如果匹配上,i-模式串的长度,就是首位置
    }
}

算法分析 :

0c27bf25c1d84568806211b0b82af4ce.png

8097be853c9646f0a97d80146408b25e.png

6355d8086978400f9b3b56f31eb9ab37.png




相关文章
|
1月前
|
算法 搜索推荐
如何用CRDT算法颠覆文档协作模式?
在局域网环境下,高效文档协同编辑面临版本冲突等核心技术挑战,影响协作效率和成果质量。为解决此问题,可采用基于CRDT的算法,允许多用户无冲突实时编辑;或将协同操作模块化,通过任务看板优化协作流程,减少冲突,提高团队效率。未来,局域网协同编辑将更加场景化与个性化,深入探索组织协作文化。
|
3月前
|
前端开发 算法 JavaScript
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。
|
3月前
|
算法
第四章 KMP算法理论基础
第四章 KMP算法理论基础
29 0
|
3月前
|
算法
KMP算法
KMP算法
49 0
|
5月前
|
算法 C++
A : DS串应用–KMP算法
这篇文章提供了KMP算法的C++实现,包括计算模式串的next数组和在主串中查找模式串位置的函数,用于演示KMP算法的基本应用。
|
5月前
|
算法
KMP算法
KMP算法
40 0
|
6月前
|
算法 Java
KMP算法详解及其在字符串匹配中的应用
KMP算法详解及其在字符串匹配中的应用
|
2天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
15天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
149 80
|
3天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真

热门文章

最新文章

下一篇
开通oss服务