Rabin-Karp算法Java的滚动哈希算法

Question

我一直试图理解一个算法类的Rabin算法.我很难理解它，所以我尝试实现它(我实际上不需要实现它)。我想除了滚动哈希函数之外，我什么都能理解。目前，我的算法只在模式char[]匹配文本char[]的开头时才有效。我不知道我的滚动散列哪里出了问题。如果有人能帮我指出错误的方向，我会非常高兴的。

结果文本“我的测试字符串”模式"my“--它返回为匹配模式" test”--这显示不匹配。

private static int int_mod(int a, int b)
{
    return (a%b +b)%b;
}

public static int rabin_Karp(char[] text, char[] pattern)
{
    int textSize = text.length;
    int patternSize = pattern.length;
    int base = 257;
    int primeMod = 1000000007;

    if(textSize < patternSize) 
    return -1;n
    int patternHash = 0;
    for(int i = 0; i < patternSize; i++) 
        patternHash += int_mod(patternHash * base + pattern[i], primeMod);//This is only done once so put method here           
        System.out.println("patternHash: " + patternHash);
    //calculate the value of the first hash
    int segmentHash = 0;
    for(int i = 0; i < patternSize; i++) //remove this, this will be duplicate
        segmentHash += int_mod(segmentHash * base + text[i], primeMod);
        System.out.println("segmentHash: " + segmentHash);

    Boolean firstMatch = false;
    if(segmentHash == patternHash) 
    {
        firstMatch = true;
        for(int i=0; i<pattern.length; i++)
        {
            if(pattern[i] != text[i])
            firstMatch = false;
        }
    }
    if (firstMatch == true)
    {
        return 0;
    }

    for(int i=1; i<textSize - patternSize; i++)
    {
        segmentHash += int_mod(segmentHash * base + text[i + pattern.length -1],primeMod);
        segmentHash -= int_mod(segmentHash * base + text[i-1], primeMod);
        System.out.println("segmentHash: " + segmentHash);

        if(segmentHash == patternHash) 
        {
            firstMatch = true;
            for(int j=0; j<pattern.length; j++)
            {
                if(pattern[j] != text[j])
                    firstMatch = false;
            }
        }
        if (firstMatch == true)
        {
            return i;
        }
    }

    return -1;
}

Answer 1

您的代码中有几个基本问题。

第一个是在这里：patternHash += int_mod(patternHash * base + pattern[i], primeMod);，它在更多的地方复制。

第二种方法是计算划船散列：

    segmentHash += int_mod(segmentHash * base + text[i + pattern.length -1],primeMod);
    segmentHash -= int_mod(segmentHash * base + text[i-1], primeMod);

这两个错误都可以很容易地修复。但是，我建议您更好地理解代码背后的逻辑，而不是仅仅从某个地方复制代码。您所使用的散列算法是基于多项式的，因此尝试查看在该级别上发生了什么。甚至可以手工编写一些示例--它们在调试代码时将非常有用。

还请注意，您将遇到整数溢出的问题：

• int可以存储高达20亿美元的数字；
• 你的主要模块是10亿，所以散列(特别是patternHash和segmentHash )可以达到这个数字；
• 你的基地是int base = 257;

因此，表达式segmentHash * base可以高达2570亿，这肯定是一个整数溢出。