一、 問題描述:
求解給定文本text 中以字元 A 開頭, 字元B 結尾的子串數量。例如,文本ABCAAB 中以A開頭B結尾的子串分别為AB, ABCAAB, AAB, AB 共4個。
二、 問題分析及算法設計:
字元串問題求解的通用政策: 我從《TCPL》中學到的印象最深的一點,就是“逐字元處理”政策(同時注意 '\0'的處理)。
首先,使用蠻力法求解: 設定兩個下标 i , j ; i 指向已搜尋到的 A 的位置, j 指向已搜尋到的B的位置。 算法描述如下:
STEP1:初始化 i = 0 , j = 0. 從字元串最左邊開始。
STEP2: 用下标 i 周遊搜尋A,若搜尋到A,則記下 i 的位置并轉至STEP2; 若到達字元串末尾仍沒有搜尋到,則轉至 STEP4;
STEP3: 初始化 j 為 i 的下一個位置并開始搜尋B: 若到達字元串末尾沒有搜尋到,則 i 移到下一個位置并轉至STEP1;若搜尋到B,則子串數目次數加一,并繼續向前搜尋,直到字元串末尾并轉至STEP1;
STEP4: 搜尋結束,退出算法。
例子: ABCAAB
第一趟: A: i = 0, B: j = 1, 5 num = 2;
第二趟: A: i = 3, B: j = 5 num = 1;
第三趟: A: i = 4, B: j = 5 num = 1
共計: 2 + 1 + 1 = 4.
這樣的蠻力算法,其時間效率取決于A在字元串中出現的次數Na, T(n) = O(n * Na), n 是字元串長度。 也可以從右往左搜尋, 其時間效率為 T(n) = O(n * Nb), Nb是 B 在字元串中出現的次數。 如果知道A和B在文本中出現的次數,那麼就可以選擇從左往右或者從右往左的周遊方式。最差情況下,例如全A串,則效率為O(n*n).
有沒有可能找到更好的算法呢?
我們知道,分治算法通常能達到 O(nlogn)的效率,隻要合并部分的時間能達到O(n) 。 那麼,這個問題是否可以采用分治法來求解呢? 答案是肯定的。
假設 N[left: right] 是文本 text[left:right] 中以A開始B結尾的子串數量, 則整個文本中以A開始B結尾的子串數量為 N[0:n] = N[0:n/2] + N[n/2+1: n] + Na * Nb. Na 是 A 在 text[0:n/2]中出現的次數, Nb 是 B 在 text[n/2+1: n] 中出現的次數; 因為在後半段文本中的所有B都出現在前半段文本中的所有A之後(每個A與每個B都形成合乎要求的子串),而在後半段文本中的所有A出現在前半段文本中的所有B之後(每個A與每個B都不能形成合乎要求的子串),是以, 兩半段文本合并時的子串數量應該是Na * Nb.這樣,一個遞歸分治算法的模型基本就出來了,其時間複雜度為 T(n) = 2T(n/2) + O(n) = O(nlogn). 合并部分要求分别周遊字元串的兩半段,時間為O(n).
例子: N(ABCAAB) = N(ABC) + N(AAB) + 1 * 1 = 4
N(ABC) = N (A) + N(BC) + 1 * 1 = 1
N(AAB) = N(A) + N(AB) + 1 * 1 = 2
N(BC) = N(B) + N(C) + 0 * 0 = 0
N(AB) = N(A) + N(B) + 1 * 1 = 1
是以,ABCAAB 中以A開頭B結尾的子串數量有4個。
能不能找到線性時間的算法呢? 看上去似乎有可能,卻又不是那麼明顯。在《程式設計珠玑I》的算法設計技術那一章裡,作者采用四種算法(本質上是三種不同類型的算法)分别進行了設計,并在小結中提到: 凡是數組累加問題,都可以考慮動态規劃法來求解。那麼,是否适用于本題呢?
假設給定文本中前 n 個字元組成的文本中以A開頭B結尾的子串數量為Count[n], A出現的次數為 Na, 則前 n+1 個字元組成的文本中以A開頭B結尾的子串數量為:
[1] 若第 n+1 個字元不是結尾字元B,那麼, Count[n+1] = Count[n];
[2] 若第 n+1 個字元是結尾字元B,那麼, Count[n+1] = Count[n] + Na.
這樣,我們推導出了解的遞推關系式。更進一步地,首先初始化子串數量count及開頭字元出現次數beginNum為0;接着,從第一個字元開始,若該字元是開頭字元,則beginNum++; 若字元是結尾字元,則count += beginNum; 若該字元既不是結尾字元也不結束字元,那麼,count, beginNum均不變;
注意,當開頭字元和結尾字元相同時,上述算法會出現問題。此時,隻要計算開頭字元出現的次數Na, 則子串數量應為 Na*(Na-1)/2.
例子: ABCAAB
[1] count = 0; Na = 0;
[2] 搜尋到A: count = 0; Na = 1;
[3] 搜尋到B: count += Na → count = 1; Na = 1;
[4] 搜尋到C: count = 1; Na = 1;
[5] 搜尋到A: count = 1; Na = 2;
[6] 搜尋到A: count = 1; Na = 3;
[7] 搜尋到B: count += Na → count = 4; Na = 3;
是以,ABCAAB 中以A開頭B結尾的子串數量有4個。
三、 完整程式:
/*
* substrNum.c : 此程式計算給定文本中以給定字元開頭和結尾的字串的數目
* 比如 ABCAAB 中, 以A開頭B結尾的子串有 AB, ABCAAB, AAB, AB 4個。
*/
#include <stdio.h>
#include <string.h>
#include <assert.h>
int substrnum(char *, char, char);
int substrnumDIV(char* text, char beginc, char endc);
int substrnumDYN(char* text, char beginc, char endc);
int substrnumREC(char* text, int leftIndex, int rightIndex, char beginc, char endc);
void test(int (*fun)(char*, char, char));
int main()
{
printf("\n ******* 使用蠻力求解 ******** \n");
test(substrnum);
printf("\n ******* 使用分治法求解 ******* \n");
test(substrnumDIV);
printf("\n ******** 使用動态規劃法求解 ******* \n");
test(substrnumDYN);
return 0;
}
/*
* substrnum: 在給定文本 text 中以字母 beginc 開頭, 字母 endc 結尾的子串
* 蠻力法求解: 算法時間 O(n*Na) Na, 是開始字元在字元串中出現的次數。
* 或 從右向左掃描, O(n*Nb), Nb 是結尾字元在字元串中出現的次數
*/
int substrnum(char *text, char beginc, char endc)
{
assert(text != NULL);
int i = 0 , j;
int count = 0;
char *p = text;
while (1) {
while (*(p+i) && (*(p+i) != beginc)) { i++; }
if (*(p+i) == '\0') break;
j = i+1;
while (*(p+j)) {
if (*(p+j) == endc) {
count++;
}
j++;
}
i++;
}
return count;
}
/*
* substrnumDYN: 在給定文本 text 中以字母 beginc 開頭, 字母 endc 結尾的子串
* 使用動态規劃法求解:
* 若給定文本的前 n 個字元組成的字元串中所含子串數目為 count[n], 開始字元出現次數為 beginNum;
* 則前 n+1 個字元串中所含子串數目為 :
* 1. 若第 n+1 個字元不是結尾字元, 則 count[n+1] = count[n];
* 2. 若第 n+1 個字元是結尾字元, 則 count[n+1] = count[n] + beginNum
*
*/
int substrnumDYN(char *text, char beginc, char endc)
{
assert(text != NULL);
char *p = text;
int count = 0;
int beginNum = 0;
while(*p) {
if (*p == beginc) { // 情況 1: 該字元是開始字元
beginNum++;
}
else if (*p == endc) { // 情況 2 : 該字元是結尾字元
count += beginNum;
}
p++; // 情況 1: 該字元既不是開始字元也不是結尾字元
}
if (beginc == endc) { // 開始字元與結尾字元相同
return beginNum * (beginNum - 1) / 2;
}
return count;
}
/*
* substrnumDIV: 在給定文本 text 中以字母 beginc 開頭, 字母 endc 結尾的子串
* 使用分治法求解:
* 将給定文本分成兩端 text[0: n/2] 和 text[n/2+1: n-1], 則子串數量為:
* N(text) = N(text[0:n/2]) + N(text[n/2+1: n-1]) + NB * NE
* 其中, NB是開始字元在 text[0:n/2] 中出現的次數, NE 是 結尾字元在 text[n/2: n-1] 中出現的次數
* 算法時間:T(n) = 2T(n/2) + n = O(nlogn)
*/
int substrnumDIV(char* text, char beginc, char endc)
{
assert(text != NULL);
return substrnumREC(text, 0, strlen(text)+1, beginc, endc);
}
int substrnumREC(char* text, int leftIndex, int rightIndex, char beginc, char endc)
{
if (rightIndex == leftIndex) {
return 0;
}
else {
int mid = (rightIndex - leftIndex + 1) / 2 + leftIndex;
char *p = text + leftIndex;
char *q = text + mid;
int nb = 0;
int ne = 0;
while (*p && p < text+mid) {
if (*p == beginc) {
nb++;
}
p++;
}
while (*q && q <= text+rightIndex) {
if (*q == endc) {
ne++;
}
q++;
}
return substrnumREC(text, leftIndex, mid-1, beginc, endc) \
+ substrnumREC(text, mid, rightIndex, beginc, endc) + nb * ne;
}
}
void test(int (*fun)(char* , char, char))
{
char *text = "ABCAAB";
printf("text = %s\n" , text);
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'B', (*fun)(text, 'A', 'B'));
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'A', (*fun)(text, 'A', 'A'));
char *empty = "";
printf("text = %s\n" , empty);
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'B', (*fun)(empty, 'A', 'B'));
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'A', (*fun)(empty, 'A', 'A'));
char *two = "AA";
printf("text = %s\n" , two);
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'B', (*fun)(two, 'A', 'B'));
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'A', (*fun)(two, 'A', 'A'));
char *zero = "ADTFGC";
printf("text = %s\n" , zero);
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'B', (*fun)(zero, 'A', 'B'));
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'A', (*fun)(zero, 'A', 'A'));
/* NULL 參數的斷言測試,因為總是會失敗導緻程式退出,是以這裡注釋掉;可以去掉注釋檢視運作結果
printf("以字母 %c 開頭, %c 結尾的子串數目為: %d.\n", 'A', 'B', (*fun)(NULL, 'A', 'B'));
*/
}
四、 結論:
舉這樣一個字元串問題的例子是為了說明什麼呢? 主要是因為,我認為它非常生動地示範了字元串問題的幾種主要思路和算法: 蠻力法、分治法、動态規劃法。另外,還有一種算法,是對字元串進行預處理,比如高效字元串比對KMP算法就是這麼做的。
在這個問題中,可以首先周遊一次文本(時間是O(n)), 分别将A,B出現的位置存儲在兩個數組中。仍以ABCAAB為例: 首先可求得 a[]: 1, 4, 5 ; b[]: = 2, 6. 接着,求a與b的笛卡爾乘積中 (a,b) (a < b) 的個數即可。可以在O(len(a) + len(b)) 的時間内求解,隻是在周遊過程中有點技巧。是以,整個算法的時間複雜度是O(n).