KMP算法 —— 对Next数组与Nextval数组原理的简单梳理

KMP算法的简单梳理

KMP算法是字符串匹配问题的一种效率解法，有很多初学者对KMP的实现一头雾水，以下是我对KMP算法及其改进的简单整理。

基础KMP

KMP算法的核心在于利用匹配失败后的信息，尽量减少模式串与主串的匹配次数而达到快速匹配的目的。

其时间复杂度为$O(m+n)$

假定：主串为$S_1{S}_2...S_n$，模式串为$P_1{P}_2...P_m$。（模式串为需要匹配的字符串，是主串的子串）

每个元素拥有一个独立的Next()函数用于判断遇到不同的元素该从哪里开始匹配。本质是用于寻找模式串的最长相同前缀和后缀。

举个例子，模式串 str=abaabcac，假设主串有一段为abab，前三个字符aba与模式串前三个完美匹配，但是第四个字符出现了差错，Next数组中存储了模式串在匹配失败位置前的公共前缀信息，前三个字符之中，str[3]与str[1]相同，构成了公共前缀，因此第四个位置出错之时，我们可以跳过str[1]，直接将第四个位置的字符与str[2]的字符进行匹配。

比较时只移动模式串，找到当前已匹配的串与模式串的最长前缀

以下是Next数组的计算公式：

$Next[i]=\{\begin{array}{l}0（j=1时）\\ Max(k|1<k<jand{p}_1{p}_2...p_{k-1}=p_{j-k+1}...p_{j-1}\\ 1（其他情况）\end{array}$

模式串为abaabcac时得出的Next数组：

Next数组计算代码：

void Make_next(String p, int *pNext) 
{
    int i, k;
    i = 1;
    k = 0;
    int j = 1;
    pNext[1] = 0;
    while(i < p.size())
    {
        if(k == 0 || p[i] == p[k])
        {
            j++;
            k++;
            pNext[j] = k;
        }
        else k = pNext[k];
    }
}

改进后的KMP

基础的KMP算法并没有运用到匹配失败的信息，即P[J]（模式串匹配失败位置）的信息，在使用Next[j]进行回溯时进行了多余的运算。

就比如说，主串为abacababc，模式串为abab，在进行匹配时，在第四个位置abac与abab匹配失败，按照原有的KMP算法，主串的c将与第二个字符重新进行匹配，但是显而易见，在匹配第四个位置时字符不为 b，其对第二个字符 b 的匹配也必然失败。

所以说KMP的改进就是增加了对模式串匹配失败位置的信息处理。

因此，在需要子串指针回溯时，进行当前位置元素与回溯之后的位置元素比较，如果相等，子串的指针继续回溯。

以下是改进的 Next 数组：Nextval 数组的推导公式：

$Nextval[i]=\{\begin{array}{l}next[i](p_i!=p_{next[i]})\\ nextval[next[i]](p_i==p_{next[i]})\end{array}$

以下是计算Nextval数组的代码：

void get_nextval(string p, int* nextval) 
{
    int i = 1, j = 0;
    nextval[1] = 0;
    while(i < p[0])
    {
        if(j == 0 || p[i] == p[j])
        {
            i++;
            j++;
            if(p[i] != p[j])
            {
                nextval[i] = j;
            }
            else
            {
                nextval[i] = nextval[j];
            }
        }
        else j = nextval[j];
    }
}