1、11. 大家支持免费共享2. 2 串匹配串匹配（String Matching）问题是计算机科学中的一个基本问题，也是复杂性理论中研究的最广泛的问题之一。它在文字编辑处理、图像处理、文献检索、自然语言识别、生物学等领域有着广泛的应用。而且，串匹配是这些应用中最耗时的核心问题，好的串匹配算法能显著地提高应用的效率。因此，研究并设计快速的串匹配算法具有重要的理论价值和实际意义。串匹配问题实际上就是一种模式匹配问题，即在给定的文本串中找出与模式串匹配的子串的起始位置。最基本的串匹配问题是关键词匹配（Keyword Matching） 。所谓关键词匹配，是指给定一个长为 n 的文本串 T1，n和长为
2、m 的模式串 P1，m，找出文本串 T 中与模式串所有精确匹配的子串的起始位置。串匹配问题包括精确串匹配（Perfect String Matching） 、随机串匹配（Randomized String Matching）和近似串匹配（Approximate String Matching） 。另外还有多维串匹配（Multidimensional String Matching）和硬件串匹配（Hardware String Matching）等。本章中分别介绍改进的 KMP 串匹配算法，采用散列技术的随机串匹配算法，基于过滤算法的近似串匹配算法，以及它们的 MPI 编程实现。2.1 KMP
3、串匹配算法2.1.1 KMP 串匹配及其串行算法KMP 算法首先是由 D.E. Knuth、J.H. Morris 以及 V.R. Pratt 分别设计出来的，所以该算法被命名为 KMP 算法。KMP 串匹配算的基本思想是：对给出的的文本串 T1，n与模式串 P1，m，假设在模式匹配的进程中，执行 Ti和 Pj的匹配检查。 若 Ti=Pj，则继续检查 Ti+1和 Pj+1是否匹配。若 TiPj，则分成两种情况：若 j=1，则模式串右移一位，检查 Ti+1和 P1是否匹配；若 1#include #include #include /*根据输入参数生成模式串*/int main(int argc
4、,char *argv)17int strlen,pedlen,suffixlen,num,i,j;char *string;FILE *fp;strlen=atoi(argv1);pedlen=atoi(argv2);srand(atoi(argv3);string=(char*)malloc(strlen*sizeof(char);if(string=NULL)printf(“malloc errorn“);exit(1);for(i=0;i#include #include #include #include #include #define MAX(m,n) (mn?m:n)typed
5、ef structint pedlen;int psuffixlen;int pednum;pntype;/*对模式串进行周期分析，并计算相应的 new 和newval 值*/void Next(char *W,int patlen,int *nextval,pntype *pped)int i,j,plen;int *next;if(next=(int *)malloc(patlen+1)*sizeof(int)=NULL)printf(“no enough memoryn“);exit(1);/*计算 next 和 nextval*/ next0=nextval0=-1;j=1;while
6、(jpedlen=patlen-nextpatlen; pped-pednum=(int)(patlen/pped-pedlen); pped-psuffixlen=patlen%pped-pedlen; free(next);/*改进的 KMP 算法*/void kmp(char *T,char*W,int textlen,int patlen,int *nextval,pntype *pped,int prefix_flag,int matched_num,int *match,int *prefixlen)int i,j;i=matched_num; j=matched_num; whi
7、le(i(textlen-i)break;while(j!=(-1) if(j=(patlen-1) matchi-(patlen-1)=1;if(pped-pednum+pped-psuffixlen=1)j = -1 ; else j=patlen-1-pped-pedlen; j+;i+; (*prefixlen)=j;/*重构模式串以及 next 函数*/void Rebuild_info(int patlen,pntype *pped,int *nextval,char *W) int i; if (pped-pednum = 1) memcpy(W+pped-pedlen,W,pp
8、ed-psuffixlen); else memcpy(W+pped-pedlen,W,pped-pedlen);for (i=3; ipednum; i+) memcpy(W+(i-1)*pped-pedlen,W,pped-pedlen);memcpy(nextval+(i-1)*pped-pedlen,nextval+pped-pedlen,pped-pedlen*sizeof(int); if(pped-psuffixlen!=0)memcpy(W+(i-1)*pped-pedlen,W,pped-psuffixlen);memcpy(nextval+(i-1)*pped-pedlen
9、,nextval+pped-pedlen,pped-psuffixlen*sizeof(int); /*生成文本串*/void gen_string(int strlen,int pedlen,char *string,int seed)int suffixlen,num,i,j;srand(seed);for(i=0;i1)MPI_Send(elseMPI_Recv(PrintFile_info(“match_result“,T,myid);if(myid!=numprocs-1)MPI_Send(printf(“n“);if(match=(int *)malloc(textlen*size
10、of(int)=NULL)printf(“no enough memoryn“);exit(1);/*处理器 0 读入模式串，并记录运行参数*/if(myid=0) printf(“processor num = %d n“,numprocs);printf(“textlen = %dn“,textlen*numprocs); GetFile(“pattern.dat“, printf(“patlen= %dn“,patlen); if(nextval=(int *)malloc(patlen*sizeof(int)=NULL)printf(“no enough memoryn“);exit(
11、1);/*对模式串进行分析，对应于算法 14.6步骤（1）*/Next(W,patlen,nextval,if(numprocs1)if (pped.pednum=1) nextlen_send = patlen;else nextlen_send = pped.pedlen*2;/*向各个处理器播送模式串的信息，对应于算法 14.6 步骤（2）*/if(numprocs1)MPI_Bcast( if(myid!=0)if(nextval=(int *)malloc(patlen*sizeof(int)=NULL)|(W=(char *)malloc(patlen*sizeof(char)=N
12、ULL)printf(“no enough memoryn“);21exit(1);MPI_Barrier(MPI_COMM_WORLD);MPI_Bcast( MPI_Bcast(MPI_Bcast(nextval,nextlen_send,MPI_INT,0,MPI_COMM_WORLD); MPI_Bcast(W,pped.pedlen,MPI_CHAR,0,MPI_COMM_WORLD);MPI_Barrier(MPI_COMM_WORLD);/*调用修改过的 KMP 算法进行局部串匹配，对应于算法 14.6 步骤（3）*/if(numprocs=1) kmp(T,W,textlen,
13、patlen,nextval,else if(myid!=0)/*各个处理器分别根据部分串数据以及周期信息重构模式串*/Rebuild_info(patlen, if(myid!=numprocs-1)kmp(T,W,textlen,patlen,nextval,elsekmp(T,W,textlen,patlen,nextval,MPI_Barrier(MPI_COMM_WORLD);/*各个处理器进行段间匹配，对应于算法 14.6 步骤（4）*/if(myid0) MPI_Recv( MPI_Barrier(MPI_COMM_WORLD);if(myid0) MPI_Barrier(MPI
14、_COMM_WORLD);/*输出匹配结果*/if(myid=0)PrintFile_res(“match_result“,match+patlen-1,textlen-patlen+1,0,myid);if(numprocs1)MPI_Send(elseMPI_Recv(PrintFile_res(“match_result“,match,textlen,myid*textlen-patlen+1,myid);if(myid!=numprocs-1)MPI_Send(22free(T);free(W);free(nextval);MPI_Finalize(); 233. 运行实例编译：gcc
15、 gen_ped.c o gen_pedmpicc kmp.c o kmp运行：首先运行 gen_ped 生成模式串，gen_ped Strlen Pedlen Seed Pattern_File。其中 Strlen代表模式串的长度，Pedlen 代表模式串的最小周期长度，Seed 是随机函数使用的种子数，Pattern_File 是生成数据存储的文件，这里在 kmp.c 中固定指定的文件名为 pattern.dat。本例中使用了如下的参数。gen_ped 3 2 1 pattern.dat之后可以使用命令 mpirun np SIZE kmp m n 来运行该串匹配程序，其中 SIZE 是所
16、使用的处理器个数，m 表示文本串长度， n 为文本串的周期长度。本实例中使用了 SIZE=3 个处理器，m=18 ，n=3。mpirun np 3 kmp 18 2运行结果：存储于 pattern.dat 中的模式串为：qmq存储于 match_result 中的匹配结果为：The Text on node 0 is asasas .The Text on node 1 is qmqmqm .The Text on node 2 is ypypyp .This is the match result on node 0(0) -(1) -(2) -(3) -This is the match result on node 1(4) -(5) -(6) +(7) -(8) +(9) -This is the match result on node 2(10) -(11) -(12) -(13) -(14) -(15) -说明：该运行实例中，令文本串长度为 18，随机产生的文本串为 asasasqmqmqmypypyp，分布在 3 个节点上；模式串长度为 3，随机产生的模式串为 qmq。最后，节点 1 上得到两个匹配位置，由+表示出来。
