最適な圧縮を提供するプレフィックス部分文字列を見つけます

StackOverflow https://stackoverflow.com/questions/150690

  •  02-07-2019
  •  | 
  •  

質問

問題：

文字列のリストが与えられたら、一致するすべての文字列の先頭から減算され、エスケープバイトに置き換えられた場合に、最短の合計長になる部分文字列を見つけます。

例：

＆quot; foo＆quot; 、＆quot; fool＆quot; 、＆quot; bar＆quot;

結果は次のとおりです。＆quot; foo＆quot;文字列＆quot; \ 0＆quot; 、＆quot; \ 0l＆quot; 、＆quot; bar＆quot; および合計長9のベース文字列としてバイト。 ＆quot; \ 0＆quot; はエスケープバイトです。元の文字列の長さの合計は10なので、この場合は1バイトしか保存しません。

単純なアルゴリズムは次のようになります。 

for string in list
  for i = 1, i < length of string
      calculate total length based on prefix of string[0..i]
      if better than last best, save it
return the best prefix

これで答えが得られますが、O（（n * m）^ 2）のようなもので、高すぎます。

役に立ちましたか？

解決

プレフィックスツリーのフォレストを使用（トライ）... 

  f_2    b_1
 /       |
 o_2     a_1
 |       |
 o_2     r_1
 |
 l_1

その後、エスケープ文字で置き換えられる（depth * frequency）を最大化することで、最良の結果を見つけて保証できます。分岐深さ優先検索を最大にして検索を最適化できます。

複雑さ：O（C）、コメントで述べたように、それを構築し、最適なものを見つけるために、それは依存します。最初の要素の頻度（O（A）-Aは言語のアルファベットのサイズ）を注文すると、より多くの分岐を切り取ることができ、準線形時間を得る可能性が高くなります。

これは明確だと思います。書きませんが、宿題とは何ですか？ ;）

他のヒント

リストを並べ替えることから始めます。次に、最初の文字を次の文字列の最初の文字と比較して、文字列から文字列に移動します。マッチしたら、次の文字を確認します。これまでで最良の結果を追跡する方法を考案する必要があります。

まあ、最初のステップはリストをソートすることです。次に、リストを1回通過し、各要素を前の要素と比較して、最長の2文字、3文字、4文字などの実行を追跡します。その場合、数字は15の4文字プレフィックスよりも優れた20の3文字プレフィックスです。

ライセンス： CC-BY-SA と 帰属
所属していません StackOverflow
scroll top