APLICACIÓN DE AUTÓMATAS FINITOS

1. MARCO TEÓRICO

Los algoritmos de búsqueda son los siguientes:

2. Algoritmo de búsqueda: Fuerza bruta

3. Algoritmo de búsqueda: Knuth-Morris-Pratt
4. Algoritmo de búsqueda: Boyer-Moore
5. Algoritmo de búsqueda: Aho-Corasick

A continuación se presenta una breve explicación para cada algoritmo de

búsqueda.

a. Fuerza Bruta

El algoritmo de Fuerza Bruta consiste en comparar dos cadenas de

caracteres. Este algoritmo compara de izquierda a derecha cada letra
de la palabra digitada por el usuario con cada letra del nombre del
archivo encontrado dentro de la ruta que especifica el usuario. El
proceso que realiza este algoritmo de búsqueda es el siguiente:

Toma el caracter con el que inicia el patrón.

Comienza a compararlo con cada uno de los carateres del texto, hasta
que encuentre la primera coincidencia.
 Se para en dicha posición y a partir de allí comienza a verificar si el
patrón coincide con el resto del texto.

Si el patrón coincide se detiene la comparación y revisará el siguiente

archivo en la ruta. Si por el contrario el patrón no es equivalente, volverá
a comparar el caracter de la posición inicial del patrón con el resto de
caracteres del texto hasta encontrar de nuevo una coincidencia.

De nuevo se para en dicha posición y a partir de allí comienza a verificar

si el patrón coincide con el resto del texto.

Dado que el patrón coincide se detiene la comparación y comenzará a

revisar el siguiente archivo en la ruta.

b. Knuth-Morris-Pratt

El algoritmo originalmente fue elaborado por Donald Knuth and

Vaughan Pratt y de modo independiente por James H. Morris in 1977,
pero lo publicaron juntos los tres. El algoritmo KMP tiene por objeto
buscar la existencia de palabra dentro de una cadena de texto. Para
ello utiliza información basada en los fallos previos, aprovechando la
información que la propia palabra a buscar contiene de sí (sobre ella se
pre-calcula una tabla de valores), para determinar donde podría darse
 la siguiente existencia, sin necesidad de analizar más de 1 vez los
caracteres de la cadena donde se busca.

El algoritmo KMP, trata de localizar la posición de comienzo de

una cadena, dentro de otra. Antes que nada con la cadena a
localizar se pre-calcula una tabla de saltos (conocida como tabla
de fallos) que después al examinar entre si las cadenas se utiliza
para hacer saltos cuando se localiza un fallo.

Supongamos una tabla ya pre-calculada, ambas cadenas

comienzan a compararse usando un puntero de avance para la
cadena a buscar (patrón), si ocurre un fallo en vez de volver a la
posición siguiente a la primera coincidencia, salta el patrón y lo
ubica alineando el carácter del texto con el carácter donde ocurrió
el fallo y luego continua con el avance verificando las
coincidencias. Este proceso se realiza hasta que el patrón
coincida en su totalidad con el texto.1

c. Boyer-Moore

El algoritmo de Boyer-Moore es considerado el algoritmo de

procesamiento de cadenas más eficiente en las aplicaciones
usuales. Una versión simplificada de él o el algoritmo completo es
frecuentemente implementada en los editores de texto para los
comandos de «búsqueda» y «Reemplazar».

1
Tomado de: http://es.wikipedia.org/wiki/Algoritmo_Knuth-Morris-Pratt
 Este algoritmo consiste en alinear el patrón en una ventana de
texto y comparar de derecha a izquierda los caracteres de la
ventana con los correspondientes al patrón. Si ocurre una
desigualdad se calcula un desplazamiento seguro, el cual
permitirá desplazar la ventana hacia delante del texto sin riesgo
de omitir alguna coincidencia. Si se alcanza el inicio de la ventana
y no ocurre ninguna desigualdad, entonces se reporta una
coincidencia y la ventana se desplaza.2

d. Algoritmo de búsqueda: Aho-Corasick

El algoritmo de coincidencia de cadenas de texto Aho-Corasick, es un

algoritmo de búsqueda inventado por Alfred V. Aho y Margaret J.
Corasick.

Es un tipo de algoritmo de búsqueda en diccionarios que localiza los

elementos de un conjunto finito de cadenas (diccionario) dentro de un

2
Tomado de: http://www.dcc.uchile.cl/~gnavarro/ps/cic04.pdf
 texto de entrada. Concuerda con cualquier patrón, por lo que la
complejidad del algoritmo es lineal a la longitud de los patrones, más la
longitud del texto buscado, más el numero coincidencias que
proporcione la salida. Se debe tener en cuenta que debido a que todas
las coincidencias se localizan, puede haber un numero de coincidencias
cuadrático si coincide cada sub-cadena. El algoritmo construye una
máquina de estados finitos que se asemeja a un “trie” con enlaces
adicionales entre los distintos nodos internos. Estos enlaces internos
permiten transiciones rápidas entre el patrón de coincidencias a otras
bifurcaciones del “trie” que comparten un prefijo común. Esto permite al
autómata la transición entre el patrón de coincidencias sin la necesidad
de dar marcha atrás. Cuando el patrón de diccionario se conoce de
antemano, la construcción del autómata se puede realizar una vez fuera
de línea y el autómata compilado almacenado para su uso posterior. En
este caso, su tiempo de ejecución es lineal en la longitud de la entrada
más el número de entradas coincidentes.

La siguiente es la estructura de datos de Aho-Corasick construida a

partir del diccionario especificado, con cada fila de la tabla que
representa un nodo en el “trie”, con la ruta de la columna que indica la
secuencia (único) de los caracteres del nodo raíz. En cada paso, el
nodo actual se extiende buscando su hijo, y si este no existe, busca el
sufijo del hijo, y si eso no funciona, busca el sufijo del sufijo del hijo,
finalmente termina en el nodo raíz visto anteriormente.3

3
Tomado de : http://en.wikipedia.org/wiki/Aho%E2%80%93Corasick_string_matching_algorithm