我有一个NxN (2 <= N <= 800)更大的二维字符网格。我获得了KxK ( 2 <= K <= 100)的较小的2d网格。例如，设N = 3且K = 2，以下是矩阵，
放大：
abc
abd
aaa
小：
bd
aa
问题1： 如果较大的矩阵包含较小的矩阵，我必须返回。例如，在较大的矩阵内部匹配较小的矩阵。
问题2 ：如果找到，我必须返回NxN上的凝视位置糖化部分。上面的示例返回匹配并且position = (1, 1)＃0基于
我的假设：
我的假设是使用哈希。但仍然有更好的想法有效搜索。例如，我可以创建一个哈希函数，它将为所有有效位置生成NxN（2x2,3x3,4x4，...，100x100，因为K可以达到100）的所有可能方格的索引
(0,0), (0,1), ..., (0, N-K)
(1,0), (1,1), ..., (1, N-K)
. .
. .
(N-K,0), (N-K, 1) .... (N-K, N-K)
然后我可以在关联的索引中保持位置，当输入KxK到来时，我只运行相同的哈希函数，看看返回的索引是否有位置。
答案 0 :(得分：1)
这个问题的技巧是使用一个哈希函数，当你移动一个位置时，你可以在O（1）中更新。这会将复杂性降低到O（N ^ 2）。
此类哈希函数的示例是h = sum(x[i] * 2^i) % some_large_prime_number。其中x[i]是第i个字符的ascii代码。要更新你会做
h_new = ((h_previous -
(x[position_to_remove] * 2^k)) * 2 +
(x[position_to_add] * 2^0
) % some_large_prime_number`
哈希函数不是很强，所以你会得到一些误报。 为了提高匹配的可信度，重复使用几个不同的大素数的算法。它仍然可能产生误报，但它们很少见。
注意：注意选择一个不会溢出整数类型的素数。您可以应用＆＃39;％＆＃39;对中间结果进行操作以及防止溢出。还有＆＃39;％＆＃39;对于负输入，模运算将在大多数语言中返回一个负数（当你进行减法时，你需要自己包围）。