极客讲堂 - 数据结构与算法之美 - 深度和广度优先搜索，字符串匹配基础，Trie树，AC自动机，贪心算法，分治算法

31 | 深度和广度优先搜索

1. 基于数据结构“图”的搜索算法，比较简单的有 深度优先 和 广度优先 搜索算法。适用于图不大的情况。

2. 广度优先用 队列 来实现。逐层遍历，每遍历一个结点，就放入队列。 

3. 深度优先用 栈 来实现。通过堆栈，一层一层递归下去。

4. 深度优先和广度优先搜索的时间复杂度都是 O(E)，空间复杂度是 O(V)。

    E: 图结构里的边的数目。

    V: 图结构里的结点的数目。

 

32 | 字符串匹配基础（上）

1. 定义： 在字符串 A 中查找字符串 B，那字符串 A 就是主串，字符串B 就是模式串。

2. 字符串匹配算法，比较简单粗暴的方法是 BF 算法。 方式是：逐个逐个字母地比较主串和模式串。

    理论上的最坏情况，时间复杂度是 O(n*m)。 n: 主串长度；m: 模式串长度。

3. RK 算法效率要高不少。方式是：

(1) 求主串中每个子串的hash值，和模式串的hash值做比较。数字之间比较是非常快速的，所以模式串和子串比较的

效率就提高了。

(2) 计算hash值时，可以把字符串视为一个26进制数(26个英文字母)，然后转成十进制数。这就能快速计算出hash值。

     而且，下一个子串的是可以根据上一子串的数值来快速计算出结果(有一个公式)，不需要每个子串都完整算一次hash值。

     通过查表法，还能进一步提升计算hash值的效率。

     hash值相同的话，子串和匹配串就相等了。

(3) 这个方式要注意，这个26进制数转成10进制数时，容易出现溢出情况(匹配串很长的时候)。 这时可以修改计算hash值的算法：  将子串的各位字母视为数字然后相加，得出一个整数。

(4) 上面(3) 的方法会有hash冲突的情况。 冲突处理时，再做一次BF 算法匹配就好了。效率依然很高。

4. RK 算法整体的时间复杂度就是 O(n)。

 

33 | 字符串匹配基础（中） -- BM算法

1. BF 算法和 RK 算法在极端情况下(数据量很大)退化得比较严重，RK 算法需要用到哈希算法，而设计一个可以应对各种类型字符的哈希算法并不简单。

    为了支持大容量文本，文字多样的文本的搜索，需要BM算法。

2. BM算法方式是：

(1) 回归主串和模式串逐个字母比较的普通方式。

(2) 在模式串中某个字符与主串不能匹配的时候，将模式串往后多滑动几位，减少不必要的比较，提高效率。

      具体有两个规则：坏字符规则和好后缀规则

(3) 坏字符规则： 从模式串的末端往前做匹配，如果和主串不一致，那在不一致的字符就是坏字符(位于主串里的那个)。

      如果坏字符在模式串里不存在，就可以模式串向后滑动N位。(细节不讲了)

      如果坏字符存在，就交给好后缀规则来做。(其实不管是否存在，都要走好后缀规则)

(4) 好后缀规则：

      模式串和主串有M位是一致的，这M位子串就是好后缀。然后在模式串的前端查找第一个同样的好后缀。然后根据各种判断， 向后滑动N位。(细节不讲了)

(5) 坏字符规则和好后缀规则一起使用，然后取滑动位数较大的那个。 

(6) 坏字符规则要建立hash表来记录字符位置，消耗内存比较大，可以考虑不用它，只用好后缀规则。效率降低一点。

 

附加：

1. 需要查找，需要减少时间复杂度，应该想到什么？散列表。
2. 如果某个表达式计算开销比较大，又需要频繁的使用怎么办？预处理，并缓存。

 

34 | 字符串匹配基础（下）-- KPM算法

1. kpm算法的意义： 虽然效率不如bm算法，但是当前应用广泛，并且很著名

2. kpm算法方式是：

(1) 也是主串和模式串逐个字母比较的普通方式。

(2) 在模式串中某个字符与主串不能匹配的时候，将模式串往后多滑动几位，减少不必要的比较，提高效率。

    具体是：  根据模式串的最长可匹配后缀子串(与前缀子串做比较)，来计算后滑几位。

(3) 可针对模式串，预先计算好这个后滑几位的参数，叫做next数组。

(4) next数组可以简单粗暴地计算，但效率很低。所以采用优化的方式计算。

    具体是：模式字符串对自身进行匹配, 在任一位置，能匹配的最长长度就是当前位置的next值。

3. 参考文章：

    kmp算法理解参考 https://mp.weixin.qq.com/s/g9oD-Sd5PFOEucDS2_F0bA

    next数组计算参考 https://blog.csdn.net/x__1998/article/details/79951598

 

35 | Trie树

1. Trie 树是一种解决字符串快速匹配问题的数据结构。

2.  时间复杂度是 O(k)，k 表示要查找的字符串的长度。

    Trie 树比较耗内存，是一种空间换时间的思路。(每个结点都要存储一个从a到z的数组)

3. Trie 树不适合精确匹配查找(耗费空间)，适合的是查找前缀匹配的字符串的需求。(做动态集合数据的查找)

 

36 | AC自动机

1. AC自动机是基于 Trie 树的多模式串匹配算法，为了快速在主串中查找多个模式串。

2. 它跟 Trie 树的关系，就像单模式串中，KMP 算法与 BF 算法的关系一样。

    KMP 算法中有一个非常关键的 next 数组，类比到 AC 自动机中就是失败指针。

    AC 自动机失败指针的构建过程，跟 KMP 算法中计算 next 数组极其相似。

3. AC 自动机其实就是 KMP 算法在多个模式串上的改造。

附加：

1. BF： 简单场景，主串和模式串都不太长, O(m*n)
2. KP：字符集范围不要太大且模式串不要太长， 否则hash值可能冲突，O(n)
3. BM：模式串最好不要太长（因为预处理较重），比如IDE编辑器里的查找场景； 预处理O(m*m), 匹配O(n)， 实现较复杂，需要较多额外空间.
4. KMP：适合所有场景，整体实现起来也比BM简单，O(n+m)，仅需一个next数组的O(n)额外空间；但统计意义下似乎BM更快，原因不明.

 

37 | 贪心算法

1. 贪心算法的核心将要解决的问题抽象成贪心算法模型。 

    第一步：定义限制值和期望值。

    第二部：找限制值相同请款下，贡献期望值最大的数据。

    第三部：找几个例子测试一下。不需要严格的数学推导证明。

2. 例子：

(1) 分糖果：每个孩子的贡献期望值相同，优先满足限制值最小的那个。

(2) 钱币找零：每种钱币带来的限制值一样，优先选取贡献期望值最大的纸币。

(3) 区间覆盖：每个区间的贡献期望值相同，优先满足限制值最小的那个。

(4) 用贪心算法实现Huffman压缩编码: 最常用的字母选用最小的编码。每个字母贡献期望值相同，优先选取限制值最小的字母。

 

38 | 分治算法

1. 分治算法分三步：

(1) 分解：将原问题分解成一系列子问题；

(2) 解决：递归地求解各个子问题，若子问题足够小，则直接求解；

(3) 合并：将子问题的结果合并成原问题。

2. 需要满足下面几个条件:

(1) 原问题与分解成的小问题具有相同的模式；

(2) 原问题分解成的子问题可以独立求解，子问题之间没有相关性，

(3) 具有分解终止条件

(4) 可以将子问题合并成原问题，而这个合并操作的复杂度不能太高