几种模式匹配算法的效率分析
模式匹配的KMP算法详解
模式匹配的KMP算法详解 模式匹配的KMP算法详解 这种由D.E.Knuth,J.H.Morris和V.R.Pratt同时发现的改进的模式匹配算法简称为KMP算法。大概学过信息学的都知道，是个比较难理解的算法，今天特把它搞个彻彻底底明明白白。 注意到这是一个改进的算法，所以有必要把原来的模式匹配算法拿出来，其实理解的关键就在这里，一般的匹配算法： int Index(String S,String T,int pos)//参考《数据结构》中的程序 { i=pos;j=1;//这里的串的第1个元素下标是1 while(i<=S.Length && j<=T.Length) { if(S[i]==T[j]){++i;++j;} else{i=i-j+2;j=1;}//**************(1) } if(j>T.Length) return i-T.Length;//匹配成功 else return 0; } 匹配的过程非常清晰，关键是当‘失配’的时候程序是如何处理的？回溯，没错，注意到(1)句，为什么要回溯，看下面的例子： S:aaaaabababcaaa T:ababc aaaaabababcaaa ababc.(.表示前一个已经失配) 回溯的结果就是 aaaaabababcaaa a.(babc) 如果不回溯就是 aaaaabababcaaa aba.bc 这样就漏了一个可能匹配成功的情况 aaaaabababcaaa ababc 为什么会发生这样的情况？这是由T串本身的性质决定的，是因为T串本身有前后'部分匹配'的性质。如果T为abcdef这样的，大没有回溯的必要。
模式匹配算法的设计与实现
五、详细设计 #include int KMPFindImprove(String &P); //改进的KMP匹配算法 void Output2(); //输出子串在主串中出现的位置 }; int String::KMPFindImprove(String &P) { int sum=0; int j=KMPFindImprove(0,P); while(j!=-1) { count[sum++]=j; if(j<=n-P.n) j=KMPFindImprove(j+P.n,P); } return sum; } void String::Output2() //输出子串在主串中的位置 { int i=0; while(count[i]!=count[i+1] && i 在前面的图文中，我们讲了“串”这种数据结构，其中有求“子串在主串中的位置”（字符串的模式匹配）这样的算法。解决这类问题，通常我们的方法是枚举从A串（主串）的什么位置起开始与B串（子串）匹配，然后验证是否匹配。假设A串长度为n，B串长度为m，那么这种方法的复杂度是O(m*n)的。虽然很多时候复杂度达不到m*n（验证时只看头一两个字母就发现不匹配了），但是我们有许多“最坏情况”，比如： A=“aaaaaaaaaaaaaaaaaaaaaaaaab”，B=“aaaaaaaab”。 大家可以忍受朴素模式匹配算法（前缀暴力匹配算法）的低效吗？也许可以，也许无所谓。 有三位前辈D.E.Knuth、J.H.Morris、V.R.Pratt发表一个模式匹配算法，最坏情况下是O(m+n)，可以大大避免重复遍历的情况，我们把它称之为克努特-莫里斯-普拉特算法，简称KMP算法。 假如，A=“abababaababacb”，B=“ababacb”，我们来看看KMP是怎样工作的。我们用两个指针i和j分别表示，。也就是说，i是不断增加的，随着i 的增加j相应地变化，且j满足以A[i]结尾的长度为j的字符串正好匹配B串的前j个字符（j当然越大越好），现在需要检验A[i+1]和B[j+1]的关系。 例子： S=“abcdefgab” T=“abcdex” 对于要匹配的子串T来说，“abcdex”首字符“a”与后面的串“bcdex”中任意一个字符都不相等。也就是说，既然“a”不与自己后面的子串中任何一字符相等，那么对于主串S来说，前5位字符分别相等，意味着子串T的首字符“a”不可能与S串的第2到第5位的字符相等。朴素算法步骤2,3,4,5的判断都是多余，下次的起始位置就是第6个字符。 例子： S=“abcabcabc” T=“abcabx” 实验四：KMP算法实验报告 一、问题描述 模式匹配两个串。 二、设计思想 这种由D.E.Knuth,J.H.Morris和V.R.Pratt同时发现的改进的模式匹配算法简称为KM P算法。 注意到这是一个改进的算法，所以有必要把原来的模式匹配算法拿出来，其实理解的关键就在这里，一般的匹配算法： int Index(String S,String T,int pos)//参考《数据结构》中的程序 { i=pos;j=1;//这里的串的第1个元素下标是1 while(i<=S.Length && j<=T.Length) { if(S[i]==T[j]){++i;++j;} else{i=i-j+2;j=1;}//**************(1) } if(j>T.Length) return i-T.Length;//匹配成功 else return 0; } 匹配的过程非常清晰，关键是当‘失配’的时候程序是如何处理的？为什么要回溯，看下面的例子： S:aaaaabababcaaa T:ababc aaaaabababcaaa ababc.(.表示前一个已经失配) 回溯的结果就是 aaaaabababcaaa a.(babc) 如果不回溯就是 aaaaabababcaaa aba.bc 这样就漏了一个可能匹配成功的情况 aaaaabababcaaa ababc 这是由T串本身的性质决定的，是因为T串本身有前后'部分匹配'的性质。如果T为a bcdef这样的，大没有回溯的必要。 改进的地方也就是这里，我们从T串本身出发，事先就找准了T自身前后部分匹配的位置，那就可以改进算法。 如果不用回溯，那T串下一个位置从哪里开始呢？ 还是上面那个例子，T为ababc，如果c失配，那就可以往前移到aba最后一个a的位置，像这样： 关于快速高效的模式匹配算法的剖析与改进 摘要：模式匹配算法是现代化网络入侵检测中的关键环节，本文主要介绍了几种常用的模式匹配算法，并在此基础上，提出一种更快捷、更高效的改进方法，以提高模式匹配的效率与质量，确保网络安全。 关键词：模式匹配入侵检测改进 随着我国计算机与网络技术的飞速发展，网络应用已涉及到人们生产、生活的各个领域，其重要性日益凸显。随之而来的网络攻击问题也备受关注，给网络安全性带来挑战。传统的网络防御模式，主要采取身份认证、防火墙、数据加密等技术，但是与当前网络发展不适应。在此背景下，入侵检测技术营运而生，并建立在模式匹配基础上，确保检测的快捷性、准确性，应用越来越广泛。 1、模式匹配原理概述 模式匹配是入侵检测领域的重要概念，源自入侵信号的层次性。结合网络入侵检测的底层审计事件，从中提取更高层次的内容。通过高层事件形成的入侵信号，遵循一定的结构关系，将入侵信号的抽象层次进行具体划分。入侵领域大师kumar将这种入侵信号划分为四大层次，并将每一个层次与匹配模式相对应。以下将分别对四大层次进行分析： (1)存在。只要存在审计事项，就可以证明入侵行为的发生，并深层次挖掘入侵企图。存在主要对应的匹配模式就是“存在模式”。可以说，存在模式就是在固定的时间内，检查系统中的特定状态， 同时判断系统状态。 (2)序列。一些入侵的发生，是遵循一定的顺序，而组成的各种行为。具体表现在一组事件的秩序上。序列对应的是“序列模式”，在应用序列模式检测入侵时，主要关注间隔的时间与持续的时间。 (3)规则。规则表示的是一种可以扩展的表达方式，主要通过and 逻辑表达来连接一系列的描述事件规则。一般适用于这种模式的攻击信号由相关活动组成，这些活动之间往往不存在事件的顺序关系。 (4)其他。其他模式是不包含前面几种方法的攻击，在具体应用过程中，难以与其他入侵信号进行模式匹配，大多为部分实现方式。 2、几种常用的模式匹配算法 2.1 ac算法 ac算法（aho-corasick）是一种可以同时搜索若干个模式的匹配算法，最早时期在图书馆书目查询系统中应用，效果良好。通过使用ac算法，实现了利用有限状态自动机结构对所有字符串的接收过程。自动机具有结构性特征，且每一个前缀都利用唯一状态显示，甚至可同时应用于多个模式的前缀中。如果文本中的某一个字符不属于模式中预期的下一个字符范围内，或者可能出现错误链接的指向状态等，那么最长模式的前缀同时也可作为当前状态相对应的后缀。ac算法的复杂性在于o（n），预处理阶段的复杂性则在于o（m）。在采取ac算法的有限状态自动机中，应该在每一个字符的模式串中分别建立节点，提高该算法的使用效率与质量。目前，应用有限 竭诚为您提供优质文档/双击可除串的模式匹配算法实验报告 篇一：串的模式匹配算法 串的匹配算法——bruteForce(bF)算法 匹配模式的定义 设有主串s和子串T，子串T的定位就是要在主串s中找到一个与子串T相等的子串。通常把主串s称为目标串，把子串T称为模式串，因此定位也称作模式匹配。模式匹配成功是指在目标串s中找到一个模式串T；不成功则指目标串s中不存在模式串T。bF算法 brute-Force算法简称为bF算法，其基本思路是：从目标串s的第一个字符开始和模式串T中的第一个字符比较，若相等，则继续逐个比较后续的字符；否则从目标串s的第二个字符开始重新与模式串T的第一个字符进行比较。以此类推，若从模式串T的第i个字符开始，每个字符依次和目标串s中的对应字符相等，则匹配成功，该算法返回i；否则，匹配失败，算法返回0。 实现代码如下： /*返回子串T在主串s中第pos个字符之后的位置。若不存在，则函数返回值为0./*T非空。 intindex(strings,stringT,intpos) { inti=pos;//用于主串s中当前位置下标，若pos不为1则从pos位置开始匹配intj=1;//j用于子串T中当前位置下标值while(i j=1； } if(j>T[0]) returni-T[0]; else return0; } } bF算法的时间复杂度 若n为主串长度，m为子串长度则 最好的情况是：一配就中，只比较了m次。 最坏的情况是：主串前面n-m个位置都部分匹配到子串的最后一位，即这n-m位比较了m次，最后m位也各比较了一次，还要加上m,所以总次数为：(n-m)*m+m=(n-m+1)*m从最好到最坏情况统计总的比较次数，然后取平均，得到一般情况是o(n+m). 实验三串的模式匹配 一、实验目的 1．利用顺序结构存储串，并实现串的匹配算法。 2．掌握简单模式匹配思想，熟悉KMP算法。 二、实验要求 1．认真理解简单模式匹配思想，高效实现简单模式匹配； 2．结合参考程序调试KMP算法，努力算法思想； 3．保存程序的运行结果，并结合程序进行分析。 三、实验内容 1、通过键盘初始化目标串和模式串，通过简单模式匹配算法实现串的模式匹配，匹配成功后要求输出模式串在目标串中的位置； 2、参考程序给出了两种不同形式的next数组的计算方法，请完善程序从键盘初始化一目标串并设计匹配算法完整调试KMP算法，并与简单模式匹配算法进行比较。 参考程序: #include "stdio.h" void GetNext1(char *t,int next[])/*求模式t的next值并寸入next数组中*/ { int i=1,j=0; next[1]=0; while(i<=9)//t[0] { if(j==0||t[i]==t[j]) {++i; ++j; next[i]=j; } else j=next[j]; } } void GetNext2(char *t , int next[])/* 求模式t 的next值并放入数组next中 */ { int i=1, j = 0; next[1]= 0; /* 初始化 */ while (i<=9) /* 计算next[i+1] t[0]*/ { while (j>=1 && t[i] != t[j] ) j = next[j]; i++; j++; if(t[i]==t[j]) next[i] = next[j]; else next[i] = j; } } void main() { char *p="abcaababc"; int i,str[10]; GetNext1(p,str); printf("\n"); for(i=1;i<10;i++) printf("%d",str[i]); GetNext2(p,str); printf("\n"); for(i=1;i<10;i++) printf("%d",str[i]); printf("\n\n"); } //算法功能：串的朴素模式匹配是最简单的一种模式匹配算法，又称为 Brute Force 算法，简称为BF算法 #include int main() { SString S, T; int m; char strs1[MAXL]; //建立主串S char strs2[MAXL]; //建立模式串T printf("请输入主串和子串:\n"); printf("主串S: "); scanf("%s", strs1); printf("子串T: "); scanf("%s", strs2); StrAssign(S, strs1); StrAssign(T, strs2); m = Index(S, T, 1); if(m) printf("主串 S = {%s}\n子串 T = {%s}\n在第 %d 个位置开始匹配！\n", strs1, strs2, m); else printf("主串 S = {%s}\n子串 T = {%s}\n匹配不成功！\n", strs1, strs2); return 0; } 东方企业文化·百家论坛 2011年9月 163 高效的多模式匹配算法 马 力 （重庆青年职业技术学院，重庆，400712） 摘 要：本文提出一种新的多模式匹配算法，以提高匹配检测的执行速度和效率。该算法采用了基于集合的多模式匹配思想，重新构造了HASH 函数以便在处理大规模模式集时执行时间能比传统的匹配算法的执行时间要少。经过实验证明，运用该算法不仅具有时间复杂度较低的优点，且与传统算法相比具有更为优越的性能，同时在实际工作状态下的检测能力也更强大。 关键词：多模式匹配 HASH 函数 中图分类号：TP393 文献标识码：A 文章编号：1672—7355（2011）09—0163—01 一、算法描述 通常在自然文本中，经常会发生所谓的坏字符移动。此时会极大提高Boyer-Moore 算法的检测效率。但是当文本与多个模式进行匹配时，文本中的多数字符都可能与某些模式的最后一个字符相匹配（即匹配冲突），这时发生坏字符移动的可能性就非常小了。本文提出的算法解决了如何在上述情况下继续保持Boyer-Moore 算法的实质与效率的问题，采用散列（Hash ）技术和高效过滤等方法，减小了匹配冲突对算法执行效率的影响。算法描述如下： 首先，算法需要计算出模式的最小长度，设其值为m ，为简化算法描述，假定所有模式均具有相同的长度，同时保证最小长度合理以免影响匹配效率。 假设P 为模式的集合，P={P 1P 2……P K }，K=|P|，P 中所有模式的长度均为m 。T 为网络数据包，T=t 1t 2……t n （n ≧m ）。 选取Q 为足够大空间的常数，定义长度为m 的支字符串R=r 1r 2……r m ，则构造出R 的Hash 函数：∑=?=m i i m i S r Q R Hash 1mod )(，其中S 为上文所提的模式的P 集合。 二、算法流程设计 1. 预处理阶段 首先需要对模式进行排序，形成有序模式链表；然后主要完成三张表（SHIFT 表、HASH 表和PREFIX 表）的创建。SHIFT 表主要用于确定扫描文本时可移动的字符数。根据SHIFT 表中的取值分为两种处理情况：SHIFT[i ]≠0：直接根据SHIFT[i ]中的取值，确定移动的字符数。SHIFT[i ]=0：即前面提到的匹配冲突。此时需要根据HASH 表和PREFIX 表确定匹配的候选模式并最终核实该模式。 （1）SHIFT 表的创建在此处起到与Boyer-Moore 算法中相同的移动指示作用，只不过移动字符的数目基于长度为B 的字符块。假设SHIFT 表中包含了每个大小为B 的字符串的入口，那么它的大小为|∑|B 。为了减少表存储空间，采用了散列函数，将每个长度为B 的字符串映像为一个索引SHIFT 表的整数。设X=x 1x 2……x b 为文本中的b 个字符串，并假设X 已经被映像为SHIFT 表中的一个入口，则过程SHIFT Table Set Value （）有以下两种情况： X 不属于substring （P ） ：SHIFT[i]=m-B+I ； X 属于substring （P ） ：SHIFT[i]=m-q ； （q 为P i 中X 发生匹配的最右端位置）。 SHIFT 表中的所有初始值均为m-B+1，考虑每个模式 P=P 1P 2……P K ，将每个大小为i j B j B j P p p p B )(21"+?+?的子 串映像到SHIFT 表中。 通常情况下，SHIFT 表项的取值总是大于0，因此能够成功地跳过文本块并继续扫描文本。但是当模式数量增多时，情况就完全不同了。当模式数量增多时，SHIFT 表项取值为0的概率也呈线性递增趋势，即发生匹配冲突的可能性越来越大。本文设计的该算法的核心思想就是采用散列技术来最小化需要处理模式的数目，避免与模式链表中的每个模式逐一进行匹配，同时结合PREFIX 表的过滤作用，加速搜索过程。 （2）HASH 表的创建创建HASH 表，并使用前面计算出的用于索引SHIFT 表的B 个字符串映像整数作为该表的索引。设HASH 表的第i 个入口为HASH[i]，它包含了一个指向最后B 个字符散列值为i 的模式链表的指针。链表PAT_POINT 用于存储指向模式的指针，每个模式按其最后B 个字符的散列值大小排序。设h 为文本当前后缀的散列值，并假设SHIFT[i ]=0，此时HASH[h]的取值指针p 指向散列值为h 的模式链表首部。为查找链表尾，指针不断递增直至它等于HASH[h+1]。如果SHIFT[i ]≠0，则有HASH[h]= HASH[h+1]，因为不存在后缀散列值为h 的模式。 （3）PREFIX 表的创建多模式中肯定会出现相同后缀的情况，导致HASH 表冲突，即所有具有相同后缀的模式将映像到HASH 表中的同一入口。为了加快在相同后缀中查找确切匹配模式的速度，算法还引入了用于区分这些模式的一个称为PREFIX 的表。除了将所有模式的后B 个字符做一映像之外，还须将所有模式的前B 个字符映像到PREFIX 表中。 如果发现SHIFT 值为0，并且要在HASH 表中确定是否存在匹配，那么就在PREFIX 表中检查该值。对每个后缀而言，HASH 表不仅包含具有所有此后缀的模式，而且还包含了他们相应的前缀。可以通过左移m-B 个位置计算出文本中的相应前缀，并用它来过滤那些后缀相同但是前缀不同的模式。 2. 扫描阶段 扫描阶段的流程如下：（1）计算tm-B+1到tm 的基于文本当前B 个字符的散列值h ；（2）检查SHIFT[h]的取值，如大于0，移动文本返回（1），否则转至（3）；（3）从当前位置向左m 个字符处开始计算文本中的前缀散列值，称为文本前缀；（4）检查每个p ，SHIFT[h]≦p ＜HASH[h+1]，是否有PREFIX[P]=text-prefix 。如果相等，那么就直接检查与文本相对应的实际模式（由PAT_POINT[p]给出）。 参考文献： [1] Crosbie ， Gene Spafford. Defending a Computer System using Autonomous Agent[R].COAST Technical Report No.95-022， March 1994. [2] Aho A ， Corasick M. Efficient String Matching an Aid to Bibliographic Search [J]. Communication of the ACM ， 1975， 18（6） ： 333-340. Boyer-Moore 经典单模式匹配算法 BM模式匹配算法-原理（图解） 由于毕业设计（入侵检测）的需要，这两天仔细研究了BM模式匹配算法，稍有心得，特此记下。 首先，先简单说明一下有关BM算法的一些基本概念。 BM算法是一种精确字符串匹配算法（区别于模糊匹配）。 BM算法采用从右向左比较的方法，同时应用到了两种启发式规则，即坏字符规则和好后缀规则，来决定向右跳跃的距离。 BM算法的基本流程: 设文本串T，模式串为P。首先将T与P进行左对齐，然后进行从右向左比较，如下图所示: 若是某趟比较不匹配时，BM算法就采用两条启发式规则，即坏字符规则和好后缀规则，来计算模式串向右移动的距离，直到整个匹配过程的结束。 下面，来详细介绍一下坏字符规则和好后缀规则。 首先，诠释一下坏字符和好后缀的概念。 请看下图： 图中，第一个不匹配的字符（红色部分）为坏字符，已匹配部分（绿色）为好后缀。 1）坏字符规则（Bad Character）： 在BM算法从右向左扫描的过程中，若发现某个字符x不匹配，则按如下两种情况讨论： i. 如果字符x在模式P中没有出现，那么从字符x开始的m个文本显然不可能与P匹配成功，直接全部跳过该区域即可。 ii. 如果x在模式P中出现且出现次数>=1，则以该字符所在最右边位置进行对齐。 用数学公式表示，设Skip(x)为P右移的距离，m为模式串P的长度，max(x)为字符x在P中最右位置。 可以总结为字符x出现与否，将max(x)=0作为初值即可。 例1： 下图红色部分，发生了一次不匹配。 计算移动距离Skip(c) = m-max(c)=5 - 3 = 2，则P向右移动2位。 移动后如下图： 2）好后缀规则（Good Suffix）： 若发现某个字符不匹配的同时，已有部分字符匹配成功，则按如下两种情况讨论： i. 如果在P中位置t处已匹配部分P'在P中的某位置t'也出现，且位置t'的前一个字符与位置t的前一个字符不相同，则将P右移使t'对应t方才的所在的位置。 ii. 如果在P中任何位置已匹配部分P'都没有再出现，则找到与P'的后缀P''相同的P的最长前缀x，向右移动P，使x对应方才P''后缀所在的位置。 个人觉得这篇文章是网上的介绍有关KMP算法更让人容易理解的文章了，确实说得很“详细”，耐心地把它看完肯定会有所收获的～～，另外有关模式函数值next[i]确实有很多版本啊，在另外一些面向对象的算法描述书中也有失效函数f(j)的说法，其实是一个意思，即next[j]=f(j-1)+1，不过还是next[j]这种表示法好理解啊： KMP字符串模式匹配详解 KMP字符串模式匹配通俗点说就是一种在一个字符串中定位另一个串的高效算法。简单匹配算法的时间复杂度为O(m*n);KMP匹配算法。可以证明它的时间复杂度为O(m+n).。 一.简单匹配算法 先来看一个简单匹配算法的函数： int Index_BF ( char S [ ], char T [ ], int pos ) { /* 若串S 中从第pos(S 的下标0≤pos 第29卷第4期吉林大学学报（信息科学版）Vol．29No．4 2011年7月Journal of Jilin University（Information Science Edition）July2011 文章编号：1671-5896（2011）04-0383-05 基于WM算法改进的多模式匹配算法 董迎亮a，玄雪花a，王德民b （吉林大学a．计算机科学与技术学院；b．网络中心，长春130012） 摘要：为提高入侵检测系统整体的性能和效率，在研究经典的WM（Wu-Manber）多模式匹配算法的基础上，提出一种改进的WM多模式匹配算法。该算法使用后缀表方法，减少了匹配过程中模式字符串与文本的比较 次数。实验结果表明，该算法有效提高了入侵检测系统匹配的速度和效率。 关键词：入侵检测；多模式匹配；Wu-Manber算法 中图分类号：TP393.08文献标识码：A Improved Multiple Patterns Matching Algorithm Based on WM Algorithm DONG Ying-liang a，XUAN Xue-hua a，WANG De-min b （a．College of Computer Science and Technology；b．Network Center，Jilin University，Changchun130012，China） Abstract：To improve the efficiency of intrusion detection system，we analyzed WM（Wu-Manber）multiple patterns matching algorithms，and then presented an improved patterns matching algorithm．This algorithm uses trail table to decrease the comparison times in matching process．The experiment result shows that it improves the intrusion detection system matching efficiency． Key words：intrusion detection；multiple patterns matching；Wu-Manber algorithm 0引言 随着计算机网络技术的飞速发展，网络安全也受到人们越来越多的关注。为了更全面地保护网络环境，仅靠传统的防火墙技术已经不能完全满足网络安全的需求。入侵检测技术被公认为是防火墙之后的第二道安全闸门，可以弥补防火墙技术明显的不足，为网络安全提供实时的入侵检测以及相应的防护手段。 在高速网络环境中，如果模式匹配算法不能满足处理大量实时网络数据包的要求，入侵检测系统必然会丢弃部分网络数据包，而这些被丢弃的数据包中就可能包含入侵信息。由于模式匹配算法的性能直接影响入侵检测系统的检测效率，笔者将以基于误用检测技术的模式匹配算法为研究目标，提出一种改进后的WM多模式匹配算法。该算法与原WM（Wu-Manber）算法相比具有运算效率高的优点。 1模式匹配算法 模式匹配［1-7］是指在给定长度为n的文本串T=T［1］T［2］…T［n］中查找长度为m的模式串P= P［1］P［2］…P［m］的首次出现或多次出现的过程，其中T［i］（1≤i≤n），P［j］（1≤j≤m）∈∑（字符集）。若在T中能找到P的出现，则称匹配成功；否则称匹配失败。一次在文本中只能对一个模式串进行匹配的算法，称为单模式匹配算法，可同时对多个模式串进行匹配的算法称多模式匹配算法。 收稿日期：2011-04-13 作者简介：董迎亮（1982—），男，长春人，吉林大学硕士研究生，主要从事计算机网络安全研究，（Tel）86-136********（E-mail）liangdyl @https://www.wendangku.net/doc/f84611136.html,；王德民（1958—），男，长春人，吉林大学教授，硕士生导师，主要从事智能网络与数据库、网络安全研究 （Tel）86-138********（E-mail）wdm@https://www.wendangku.net/doc/f84611136.html,。 一、问题描述 模式匹配两个串。 二、设计思想 这种由D.E.Knuth,J.H.Morris和V.R.Pratt同时发现的改进的模式匹配算法简称为KM P算法。 注意到这是一个改进的算法，所以有必要把原来的模式匹配算法拿出来，其实理解的关键就在这里，一般的匹配算法： int Index(String S,String T,int pos)//参考《数据结构》中的程序 { i=pos;j=1;//这里的串的第1个元素下标是1 while(i<=S.Length && j<=T.Length) { if(S[i]==T[j]){++i;++j;} else{i=i-j+2;j=1;}//**************(1) } if(j>T.Length) return i-T.Length;//匹配成功 else return 0; } 匹配的过程非常清晰，关键是当‘失配’的时候程序是如何处理的？为什么要回溯，看下面的例子： S:aaaaabababcaaa T:ababc aaaaabababcaaa ababc.(.表示前一个已经失配) 回溯的结果就是 aaaaabababcaaa a.(babc) 如果不回溯就是 aaaaabababcaaa aba.bc 这样就漏了一个可能匹配成功的情况 aaaaabababcaaa ababc 这是由T串本身的性质决定的，是因为T串本身有前后'部分匹配'的性质。如果T为a bcdef这样的，大没有回溯的必要。 改进的地方也就是这里，我们从T串本身出发，事先就找准了T自身前后部分匹配的位置，那就可以改进算法。 如果不用回溯，那T串下一个位置从哪里开始呢？ 还是上面那个例子，T为ababc，如果c失配，那就可以往前移到aba最后一个a的位置，像这样： ...ababd... ababc ->ababc 这样i不用回溯，j跳到前2个位置，继续匹配的过程，这就是KMP算法所在。这个当T[j]失配后，j应该往前跳的值就是j的next值，它是由T串本身固有决定的，与S串无关。 《数据结构》上给了next值的定义： 0 如果j=1 next[j]={Max{k|1 模式匹配算法 源程序如下： #include printf("匹配的结果:%d\n",n); } //KMP模式匹配算法 int index_KMP(char *s,char *t,int pos) { int i=pos,j=1; while (i<=(int)strlen(s)&&j<=(int)strlen(t)) { if (j==0||s[i]==t[j-1]) { i++; j++; } else j=next[j]; } if(j>(int)strlen(t)) return i-strlen(t)+1; else return 0; } void get_next(char *t,int *next) { int i=1,j=0; next[0]=next[1]=0; while (i<(int)strlen(t)) { if (j==0||t[i]==t[j]) { i++; j++; next[i]=j; } else j=next[j]; } } 运行效果如下： 简单的模式匹配算法_Brute-Force算法 在串的操作中，子串的定位操作Index_string(s，t)，通常称之为模式匹配(其中：子串t称之为模式串)。其功能是：主串s＝“c0c1...c n-1”中，去查找子串t＝“t0t1...t m-1”，若找到则返回子串t在主串s中的位置,否则查找不成功，返回-1。 为了便于理解，我们举例进行说明。 1．例子 例如：主串s=”ababcabcacbab”,t=”abcac”。其匹配过程如图6－12所示。 第一趟匹配: i=2 a b a b c a b c a c b a b a b c j=2 第二趟匹配: i=1 a b a b c a b c a c b a b a j=0 第三趟匹配： i=6 a b a b c a b c a c b a b a b c a c j=4 第四趟匹配： i=3 a b a b c a b c a c b a b a j=0 第五趟匹配： i=4 a b a b c a b c a c b a b a j=0 第六趟匹配： i=10 a b a b c a b c a c b a b a b c a c j=5 图6－12 Brute-Force算法中串的匹配过程 2．算法思想 算法的基本思想是：分别设置计数指针i和j指示主串s和模式串t中当前正待比较的字符位置。从主串的第一个字符和模式的第一个字符比较，若相等，则继续逐个比较后续字符；否则从主串的下一个字符起再重新和模式串的字符比较。依次类推，直到模式串中的每个字符依次和主串中的一个连续的字符序列相等，则称匹配成功，函数值为和模式串中第一个字符相等的字符在主串中的序号，否则称匹配不成功。 这个算法简单，易于理解，但效率不高，主要原因是：主串指针i在若干个字符序列比较相等后只要有一个字符比较不等便需回溯。 /** *时间：2010年8月26日7:09:57 *功能：模式匹配算法代码 */ #include"stdio.h" #include"malloc.h" void kmp(int *ikmp,char *t,int t_length) { int k=0; int q=0; ikmp[0]=k; for(q=1;q while(t[t_length]!='\0') { t_length++; } /*测试*/ printf("t_length is %d\n",t_length); /*求t的kmp值*/ ikmp=malloc(t_length*sizeof(int)); kmp(ikmp,t,t_length); /*匹配过程*/ for(q=0;q 三种模式匹配算法 作业要求：分别用KMP、MonteCarlo、LasVegs算法编制三个程序，随机生成不小于5000对长度不等的01串（三个程序使用相同的串），然后统计算法的执行时间和MonteCarlo算法的出错比率，并根据运行结果对三种算法进行深入的比较。 1、算法思路 KMP算法的主要特点是指向主串的指针不需要回溯，只向右移动，即模式串在与主串失配时，并不回溯主串的指针与模式串重新匹配，而是根据已经得到的匹配信息将模式串尽可能远的向右滑动一段。滑动距离的大小取决于模式串的失效函数next, next[k]（0<=k<=m-1）的值表示当模式串在下标为k的字符处与主串失配时应该向右移动到下标为next[k]的字符处再与主串重新匹配。算法首先要求模式串的失效函数next，然后再根据next的值进行模式匹配，在最坏情况下的时间复杂度为O（m*n），m为模式串的长度，n为主串的长度，当如果模式串中有较多相同的字符时，时间复杂度一般可达到O（m+n）。 MonteCarlo随机算法主要是通过比较模式串和主串中与模式串等长的串的“指纹”来匹配的，若两者指纹相等，则可以认为在概率意义下两者是相等的，算法中要求用到一个随机产生的素数作模运算，该素数的选取直接影响了算法的准确率，算法的时间复杂度为O（m+n）。但有一定的出错率，即选取主串中比较串的指纹与模式串相等时但比较串与模式串并不相等，理论上这种情况出现的概率为1/n，只与主串的长度有关，与模式串的长度无关，但实际上只要选取素数合适出错率比1/n要小的多。 LasVegas算法是对MonteCarlo算法的改进，当模式串的指纹与主串中的比较串相等时，此时并不直接返回匹配的位置，而是判断两个字符串是否真的相等，相等则返回，否则继续匹配。所以，该算法总能得到正确的位置，但算法的执行时间稍微比MonteCarlo算法要长一点（判断字符串是否相等的耗费），时间复杂度的期望值不超过O(m+n)。 要完成上述三个模式匹配算法的比较，需要一个0/1串的随机发生器和一个素数发生器。程序中头文件”randstr.h”包含的RandomString类是用来产生MAXSIZE对的主串和模式串的，0/1串的长度和内容都是随机的，为了便于比较，规定主串的长度一定大于模式串的长度。”random.h”包含的Random类封装了产生随机数的函数。素数发生器首先产生MAXSIZE个随机数保存在prime数组中，供随机算法使用。本程序中随机生成了10000对0/1串作为测试数据，即MAXSIZE=10000。”defs.h”定义了所用的常量。 2、算法分析和比较 运行PatternMatching可以发现： 1）三个算法运行的时间处于同一数量级的，其中在大多数情况下MonteCarlo的算法都要快于KMP和LasVegas算法，从理论上分析MonteCarlo算法的平均时间复杂度优于KMP算法，一般情况MonteCarlo 时间复杂度为O（m+n），而KMP最好情况O（m+n），最坏为O(n*m)。LasVegs要比MonteCarlo稍微慢一点点，这是预料之中的，因为判断字符串相等耗费了额外的时间。KMP和LasVegs算法的平均时间复杂度大致相等。 2）随机选取的素数大小直接影响了MonteCarlo算法的出错率。在模式串不是很长时，当素数大于某个数时我们可以发现出错率可以降到0。设模式串的最长长度为m，当随机产生的素数p>2m时，Y和X(j)的对p作模运算后的“指纹”Ip都要小于p, 此时p不可能可以整除|Y ? X(j)|，因此不会出现当Ip（X(j)）=Ip(y)时却有X(j)≠Y的误判情况，所以这种情况下MonteCarlo出错率为0。 3）素数一定大时，MonteCarlo算法的出错率比理论值1/n要小的多，即当Ip（X(j)）= Ip(y)时却有X(j)≠Y 的情况很少。相反，当素数很小时，不同0/1序列对素数作模运算的结果相同的可能性增大，出错率相应地变大。 4）当模式串的长度比主串小很多时，三个算法的执行时间明显快了，KMP和MonteCarlo算法的执行时间几乎相等。这也是比较容易理解的，模式串很短意味着它与主串匹配成功的可能性就大，算法不需要从头到尾扫描一遍主串就可以在主串的较前面找到匹配串的位置，此外，模式串的长度小则说明耗费在扫描一遍模式串的时间就短，因此执行算法所花费的时间就少得多，KMP时间复杂度接近O(m+n)，与MonteCarlo算法相等。字符串的模式匹配算法
模式匹配KMP算法实验报告
关于快速高效的模式匹配算法的剖析与改进
串的模式匹配算法实验报告
实验三____串的模式匹配
串的朴素模式匹配算法(BF算法)
高效的多模式匹配算法
BM模式匹配算法图解
KMP字符串模式匹配算法解释
基于WM算法改进的多模式匹配算法
模式匹配KMP算法实验步骤
数据结构-模式匹配算法
简单的模式匹配算法
模式匹配算法
三种模式匹配算法的比较和分析