我正在测试此网站的字符串搜索算法：EXACT STRING MATCHING ALGORITHMS. Christian Charras, Thierry Lecroq。测试文本是1GB大小的DNA碱基（ACGT）的随机序列。测试模式是随机大小（最大1kB）的随机序列列表。测试系统是3.2 Phen GHz的AMD Phenom II x4 955,4 RAM和Windows 7 64位。代码用C语言表示，用MinGW编译，带-O3标志。
对于1kB模式，朴素搜索算法对于短模式需要4秒到8秒。对于1kB模式，确定性有限状态机对于短模式需要2秒到4秒。 Boyer-Moore算法对于非常短的模式需要4秒，对于短pattherns需要大约1/2秒，对于1kB模式需要2秒。剩下的算法性能比天真的搜索算法差。
天真的搜索算法搜索算法如何比大多数其他算法更快？
使用转换表（总是执行O（n）执行时间）实现的确定性有限状态机如何比Boyer-Moore算法慢2到8倍？是的，BM最佳情况是O（n / m），但他的平均情况是O（n），最坏情况是O（nm）。
答案 0 :(得分：4)
没有完美的字符串匹配算法，最适合所有情况。
Boyer-Moore（和Horspool，周日等）通过创建跳转表来工作（当字符不匹配时，我可以移动搜索指针多远？字符串中的字母越清晰你可以想象，只有4个不同字母的字符串会创建一个每个不匹配最多3个移位的跳转表。而搜索具有区分大小写的英文单词可能会导致跳转（AZ + az） + punctiation）每次不匹配最多约55个班次。
另一方面，对准备（即计算跳转表）和循环本身都有负面影响。因此，这些算法在短字符串上表现不佳（准备工作会产生开销），而字符串只有几个不正确的字母（如前所述）
天真的搜索算法非常紧凑，循环内部的操作非常少，因此循环运行速度很快。由于没有开销，因此在搜索短字符串时效果会更好。
（与初始搜索相比）BM算法相当复杂的循环操作每个循环运行需要更长的时间。这（部分）补偿了跳转表的积极性能影响。
因此，尽管您使用长字符串，但小字母表（=小跳转表）会使BM表现不佳。 KMP在循环中的开销较小（跳转表通常较小，但与具有小字母的BM类似），因此KMP表现良好。
答案 1 :(得分：2)
理论上良好的算法（较低的时间复杂度）通常具有较高的簿记成本，这可能会超过小问题规模的天真算法。实施细节也很重要。通过优化实现，您有时可以通过2或更多的因子来提高运行时间。
答案 2 :(得分：2)
对于随机输入数据，天真实现实际上具有线性预期运行时间（与BM / KMP等相同）。我无法在此处编写完整的证据，但可以从算法设计技巧和分析中访问。
大多数精确匹配算法都是天真实现的优化版本，以防止某些模式减慢速度。例如，假设我们正在搜索：
aaaaaaaaaaaaaaaaaaaaaaaab
在以下流程中：
aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaab
很多次b失败了。设计KMP / BM是为了防止反复比较a。但是，如果序列本身是随机的，那么这些条件几乎不可能出现，并且由于书记管理的开销较低或者可能更好的空间/时间局部性，天真的实现可能会更好。
而且，是的，我不确定DNA序列是否随机。或者也可以是它们中常见的重复。无论如何，没有代表性的数据，没有办法仔细检查。