哪个是更好的字符串搜索算法？ Boyer-Moore 还是 Boyer Moore Horspool？ [关闭]

Posted 2023-02-23

【中文标题】哪个是更好的字符串搜索算法？ Boyer-Moore 还是 Boyer Moore Horspool？ [关闭]

【英文标题】：Which is a better string searching algorithm? Boyer-Moore or Boyer Moore Horspool? [closed]

【发布时间】：2012-07-12 19:29:48

【问题描述】：

Boyer Moore 算法的预处理时间为 Θ(m + |Σ|)，匹配时间为 Ω(n/m)，O(n)。我知道 Boyer Moore Horspool 是 Simplified Boyer Moore 本身的一个进步，但是根据this Wikipedia article，它的平均情况复杂度是 O(N) 和最坏情况 O(MN)。所以在最坏的情况下，它应该比 Boyer Moore 算法慢。但是智利大学的this classic survey 表明，Boyer-Moore horspool 几乎每次都优于 Boyer Moore。我很迷惑！我应该使用哪个（对于小型和大型模式）进行字符串搜索，哪种算法在实际世界中具有更大的意义（我只是一名计算机科学专业的学生）？

【问题讨论】：

这是一个简单的时间与空间权衡。 满足您的要求，其中一个可能更好，但总的来说，两者都不是“更好”。为什么不尝试使用每个配置文件的 well documented, well tested implementation 来查看最适合您的数据的方法？

【参考方案1】：

关键词是“几乎”。最坏情况的行为可能是极少数情况。现实生活中的平均行为和渐近行为也是相当松散耦合的。 Boyer-Moore-Horspool 的最佳情况行为与 Boyer-Moore 相同。 Boyer-Moore-Horspool 的最坏情况比 Boyer-Moore 更糟糕。对于典型的使用，Boyer-Moore-Horspool 往往与 Boyer-Moore 大致相同，但开销和初始化成本稍好（更低）。

使用哪一个？这取决于您的目标以及您对要搜索的模式和文本的期望。两者都不是特别难以实施，所以为什么不两者都做并自己比较结果。 （看看当你承认自己是学生时会发生什么？你得到了一个作业！:)）

【讨论】：

“现实生活中的平均行为和渐近行为也是相当松散耦合的。”这是一个糟糕的概括。例如，它会使用大多数排序数据的快速排序来杀死你。

@std''OrgnlDave - 我的意思是，渐近行为可能是“现实生活”行为的非常糟糕的预测指标。告诉我选择一种算法而不是另一种算法，因为它具有更好的渐近行为，我会首先问，“系数是多少”？然后我会问，“问题域的平均行为是什么？”对于线性规划，内点算法具有多项式复杂度，但在实践中，大家仍然使用（渐近指数）单纯形算法。为什么？因为系数的；收支平衡点是针对大到没人能解决的问题。

@TedHopp- 谢谢 :) 我确实尝试过实现这两种方法，但几乎没有发现性能差异（也许我没有把案例做得更糟）。但我的实际疑问是 理论上 BM 应该比 BMH 快，但模拟图 link 显示出优势**BMH 而不是。所以我很困惑这是怎么发生的。

@RiteshMahato 从理论上讲，如果使用大量后缀移位，BM 会更快。对于英文文本和随机输入，这种情况很少见。但是，如果您搜索例如ba^m 在a^n 中，BM 将 BMH 从水中吹了出来。

Nit：内部点方法在实践中用于大型稀疏 LP。