2022.12.20 午夜随笔（洗澡）

2022.12.20 午夜随笔（洗澡）之一年了，终于把TAMA转化为反向匹配成为了可能

有人说，我们每天都在见证历史，有人说，我每天都在沉淀历史。

（700字小作文）

从前，它是叫“方向匹配基本定理（二）”的，即基于同一个数据结构，去找出匹配的谓词，就可以设计出正向匹配算法，去找出不匹配的谓词，就可以设计出反向匹配算法。

基于反向REIN的数据结构可以设计出正向fREIN算法， 基于反向HEM的数据结构可以设计出正向fHEM算法， 基于BG-Tree数据结构可以设计出正向和反向匹配算法fBG-Tree，bBG-Tree 但基于TAMA数据结构没能设计出反向匹配算法， 由于不够通用，改成了正反匹配算法设计方法（FBMAD）这名称

但就在刚刚，回忆起C-BOMP、DMFT、FBMAD， 觉得C-BOMP偏工程、DMFT偏理论、FBMAD偏设计， 偏理论的没这么有实用性，效果没这么好 进而在思考它们之间的区别，是一环套一环的关系， 想到怎么介绍FBMAD好时，突然想到了存储！不只是匹配 即从正向和反向去存储和搜索匹配和不匹配的谓词 确实，fREIN、fHEM作为两个应用该理论设计出的算法都在存储上改了数据结构，存储匹配的谓词 ​而BG-Tree和AWB+Tree作为伪二叉树，其正向反向可以基于同一套存储方式同一套数据结构， 只需在搜索时通过找匹配/不匹配的来区分正向/反向匹配算法， 也正因此可以设计混合匹配算法

​之前没相通怎么基于TAMA设计反向匹配，似乎是陷入了思维陷阱 ​只是去想怎么基于现有结构去找不匹配的，怎么想也设计不出来（理论的指导作用）

因为没动存储方式，确实理论里只说去找匹配不匹配，没有说存匹配不匹配 这样一来，在TAMA插入订阅时存储不匹配的区间，搜出来的自然就是不匹配的 设谓词区间为[l,h]，值域为[1,R]，那么不匹配的区间为[1,l-1],[h+1,R] (l>1,h<R) ​按原来的方式插入这两个不匹配区间到每一层的桶里， 搜索时仍旧是遍历事件值所落入的桶，在同一个位集上标记这些桶里的谓词所属的订阅 对于最后一层，当然还是按之前优化后的一样通过两次比较实现精确检索 这样一来，就把好好的一个正向TAMA匹配算法转化成了一个好好的反向TAMA匹配算法！

修正后：