SA & SAM
后缀数组SA
\(sa[i]\)与\(rk[i]\)
- \(sa[i]\) 表示排名为 \(i\) 的后缀是哪一个(在原串中开头位置)。
- \(rk[i]\)(或\(rank[i]\))表示开头位置是 \(i\) 的后缀的排名。
两者是互相映射关系,即 \(sa[rk[i]] = i\)。
后缀排序(倍增)
假设我们求出了只考虑长度为\(w\)的每一个后缀的前缀的 \(sa\) 和 \(rk\),怎么求考虑长度为 \(2w\) 的每一个后缀的前缀的\(sa\)和\(rk\) .
对于两个后缀 \(i\) 和\(j\), 由于我们求出了在 \(w\) 下的 $sa $ 和 \(rk\),实际上可以通过比较两个二元组 \((rk_i,rk_{i+w}),(rk_j, rk_{j+w})\)来确定大小关系,这里定义一个后缀\(i\)的两维度:第一维字符串\([i...i+w-1]\),第二维字符串\([i+w,i+2w-1]\)。
为了方便实现以及减小常数,我们开一个辅助数组\(tmp[i]\)表示上一轮排序(长度\(w\)),排名为 \(i\) 的后缀的长度为\(w\)的前缀对应的是现在的哪一个后缀的第二维,\(tmp\)可以由\(w\)下的\(sa\)求得。
cnt = 0;
for (int i = n - w + 1; i <= n; ++ i) tmp[++cnt] = i;
for (int i = 1; i <= n; ++ i) if (sa[i] > w) tmp[++cnt] = sa[i] - w;
那么基数排序时先把所有 \(rk\) 放进桶里,然后用\(tmp\)数组从大到小在它对应的后缀的排名的桶里给\(sa\)求出新排完序的位置(有点拗口,可能讲的也不是很清楚,看代码)。
inline void Rsort()
{
fill(buc, buc + 1 + M, 0);
for (int i = 1; i <= n; ++ i) buc[rk[i]]++;
for (int i = 1; i <= M; ++ i) buc[i] += buc[i - 1];
for (int i = n; i >= 1; -- i) sa[buc[rk[tmp[i]]]--] = tmp[i];//好好体会下这句话(其实是我说不出来)
}
贴完整代码:(注意那个 \(swap\) 操作)
M = 76;//字符集
for (int i = 1; i <= n; ++ i)
rk[i] = str[i - 1] - '0', tmp[i] = i;
Rsort();
for (int w = 1, cnt = 0; cnt < n; w <<= 1, M = cnt)
{
cnt = 0;
for (int i = n - w + 1; i <= n; ++ i) tmp[++cnt] = i;
for (int i = 1; i <= n; ++ i) if (sa[i] > w) tmp[++cnt] = sa[i] - w;
Rsort(), swap(rk, tmp); rk[sa[1]] = cnt = 1;
for (int i = 2; i <= n; ++ i)
rk[sa[i]] = (tmp[sa[i]] == tmp[sa[i - 1]] && tmp[sa[i] + w] == tmp[sa[i - 1] + w]) ? cnt : ++cnt;//swap后tmp就是原来的rk数组
}
Height数组
\(height[i]\) 表示 \(lcp(sa[i], sa[i - 1])\) ,即排名为 \(i\) 的后缀和排名 \(i-1\) 的后缀的最长公共前缀。
\(H[i]\) 表示 \(height[rk[i]]\) ,即后缀\(i\)和排在它前面一位的最长公共前缀。
性质:\(H[i]\geq H[i - 1] - 1\)
证明:设 \(i-1\) 号后缀和 \(k\) 号后缀在排序中是相邻的(\(rk[i - 1] = rk[k] + 1\)),那么 \(H[i - 1] = height[rk[i-1]]\),那么 \(i\) 号后缀会和 \(k-1\) 号后缀有长度为 \(H[i - 1] - 1\) 的公共前缀,所以此时必然有 \(H[i]\geq H[i - 1] - 1\) 。
求 \(Height\) 数组:
void getHt()
{
int len = 0;
For (i, 1, n)
{
if (len) len --;
int j = sa[rk[i] - 1];
while (str[j + len - 1] = str[i + len - 1]) len ++;
ht[rk[i]] = len;
}
}
经典应用
1. 求 \(lcp(x, y)\)
\(lcp(x, y) = min(height[rk[x] + 1],\cdots ,height[rk[y]])\)默认 \(x\) 排名小于 \(y\) 排名,用 \(rmq\) 维护。
2.本质不同的子串数量
排名为 \(i\) 的后缀对答案的贡献为 \(len(i) - height[i]\)。
后缀自动机(SAM)
本文只是为了方便复习,而不适合用来学习SAM。
学习的话推荐吴作同的课件及oi-wiki上的教程
SAM中的每一个状态(点)对应的是一个endpos集合,且互不相同,否则两个状态可以合并。
后文可能会说到点的endpos,代表的意义就是这个点接受子串的endpos,之后不再区分。
SAM中每一个状态接受的子串长度是连续的,比如:ba,bba,cbba,结合 endpos 的定义理解下。
maxlen 与 minlen
一个状态的maxlen为它接受的最长的子串,如一个点接受的串为 ba, bba, cbba, 那么它的maxlen就是4。
minlen同理。
后缀链接link
两个状态 \(fa\) 和 \(u\) ,若有
\(endpos(u)\subseteq endpos(fa)\)
\(endpos(fa)\) 的大小是满足上面条件下最小的那一个
那么 \(u\) 的后缀链接为 \(fa\) 。
对于一个点显然只有一个 \(link\) ,所以这个结构是一颗以 \(t_0\) 为根的树,称它为 \(parent\) 树。
由 \(endpos\) 及 \(link\) 的定义,\(minlen(u) = maxlen(link(u)) + 1\) 。
所以想象一下,每个状态接受的串末尾对齐是一个梯形的形状(他们的endpos是一样的),如
bacas
bbacas
cbbacas
而它把它和它所以祖先接受的串按从上到下的顺序拼接,会是一个完美的等腰直角三角形,如
\(link(u)\) 是这样:
cas
acas
\(u\) 是这样:
bacas
bbacas
cbbacas
把u和它所有祖先的串拼起来:
s
as
---分界
cas
acas
-----分界
bacas
bbacas
cbbacas
体会到一些东西了吧,parent树还有一个性质:它是 \(s\) 的反串的后缀树!
一个点到根的parent树上的状态的转移边是有单调性的,即一个存在一个节点它所有祖先都有 \(c\) 这条边,而它下面的点都没有这条边,由于一个点的endpos集合是被其父亲包含的,所以不难证明这一点。
构造 \(\&\) 实现:
看吴作同的课件,自己手动模拟下。
变量声明:
int Ncnt, last;//Ncnt 节点数(不包括根节点0),last 插入上一个字符接受所有后缀的节点。
struct Status
{
int len, link;
//link 后缀链接
//len 该状态接受的最长串长度,即 maxlen,这里不记minlen是因为可以由link的maxlen推得。
int ch[26];//这里默认小写字母,26条转移边
} st[maxN + 2];
算法流程:
我们从前往后一个个加入字符:设当前加入SAM中的 \(s\) 长 \(len\)
新建节点 \(cur\), \(st[cur].len\leftarrow st[last].len + 1\),把最长的后缀接受过来。
然后考虑在尾部加入字符 \(c\) 后 可能 会影响哪些状态,那么就是 \(endpos\) 包含了最后一位的的状态,即last的所有祖先,由于到根路径上的点的转移边是有单调性的,所以只需要考虑最下面的一段。
所以我们跳 \(last\) 的后缀链接,直到该点拥有 \(c\) 这条出边或者到根,否则向 \(cur\) 连一条 \(c\) 的转移边,每向 \(cur\) 连一条边,它接受的字符串的梯形就会变高(想象一下),\(minlen\) 就会更新为当前跳到的点的 \(minlen+1\)。
假设我们跳到 \(p\) ,跳上来的那个儿子是 \(son\) ,它通过 \(c\) 转移到 \(q\) ,有可能会出现这样的两种情况:
\(maxlen(q) = minlen(son)+1\) 那么把 \(cur\) 的 \(link\) 指向 \(q\) ,\(cur\) 的所有祖先和它的串就正好形成了一个等腰三角形,注意到 \(maxlen(q) = minlen(son)+1\) 和 \(maxlen(q) = maxlen(p) + 1\) 是等价的,因为 \(maxlen(p) = minlen(cur) - 1=minlen(son) - 2\)。
\(maxlen(q) \not= minlen(son)+1\) 这时可以理解成它不能和 \(cur\) 接受的梯形完美拼合上,所以我们把它拆成两个节点,即 \(q \rightarrow q' \&\ clone\) ,令 \(clone\) 的 \(maxlen = maxlen(p) + 1\) 让 \(cur\) 和 \(q'\) 的 \(link\) 指向 \(clone\) ,$ clone$ 的后缀链接依然是 \(q\) 的后缀链接 ,并把 \(q\) 的所以出边复制到 \(clone\) 上,再把 \(p\) 到根路径上出边 \(c\) 指向 \(q\) 的点指向 \(clone\) 。
这样就处理完增加一个字符对SAM结构的影响。
代码:
namespace SAM
{
int Ncnt, last, size[2 * maxN + 2];
struct Status
{
int link, len;
int ch[26];
} st[2 * maxN + 2];
void init() { last = 0, st[0].link = -1, st[0].len = 0; }//插入第一个字符前记得初始化
void insert(char ch)
{
int c = ch - 'a';
int cur = ++Ncnt;
int p = last;
st[cur].len = st[last].len + 1;
while (p != -1 and !st[p].ch[c])//把所有last不含c边的祖先向cur连边。
{
st[p].ch[c] = cur;
p = st[p].link;
}
if (p == -1)
st[cur].link = 0;
else
{
int q = st[p].ch[c];
if (st[q].len == st[p].len + 1)
st[cur].link = q;
else
{
int clone = ++Ncnt;
st[clone] = st[q];
st[clone].len = st[p].len + 1; //把 q 拆出来个 clone
while (p != -1 and st[p].ch[c] == q) //把所有p的祖先转移到q的c边连向clone
{
st[p].ch[c] = clone;
p = st[p].link;
}
st[cur].link = st[q].link = clone;//更新link
}
}
last = cur;
}
}
SA & SAM的更多相关文章
- SA / SAM 题目集
上一次做 SA / SAM 相关的题还要数到某场毒瘤 NOIP 模拟赛--这么久没做了都快忘光了--写点东西记录一些最近做到的水好题. LOJ2059 「TJOI / HEOI2016」字符串 题意 ...
- BZOJ 2946 SA/SAM
思路: 1. 二分+后缀数组 2.SAM //By SiriusRen #include <cstdio> #include <cstring> #include <al ...
- BZOJ 2882: 工艺 (SA/SAM/最小表示法)
我写的O(nlogn)O(nlogn)O(nlogn)的SA 8000ms 被 O(n)O(n)O(n)的SAM 2800ms 和 O(n)O(n)O(n)的最小表示法 500ms 头都锤爆- COD ...
- 【NOI2019模拟2019.6.29】字符串(SA|SAM+主席树)
Description: 1<=n<=5e4 题解: 考虑\(f\)这个东西应该是怎样算的? 不妨建出SA,然后按height从大到小启发式合并,显然只有相邻的才可能成为最优答案.这样的只 ...
- SAM 做题笔记(各种技巧,持续更新,SA)
SAM 感性瞎扯. 这里是 SAM 做题笔记. 本来是在一篇随笔里面,然后 Latex 太多加载不过来就分成了两篇. 标 * 的是推荐一做的题目. trick 是我总结的技巧. I. P3804 [模 ...
- SAM 感性瞎扯
SAM 做题笔记. 这里是 SAM 感性瞎扯. 最近学了后缀自动机(Suffix_Automaton,SAM),深感其巧妙之处,故写文以记之. 部分文字与图片来源于 OI-Wiki,hihoCoder ...
- ExKMP(Z Algorithm) 讲解
目录 问题引入 CaiOJ 1461 [EXKMP]最长共同前缀长度 算法讲解 匹配过程 next 的求解 复杂度证明 代码解决 一些例题 UOJ #5. [NOI2014]动物园 CF1051E V ...
- 牛客网暑期ACM多校训练营(第一场)I Substring
题意:给你一个只有abc的字符串,求不相同的子串,(不同构算不同,例如aba和bab算同构) 题解:很显然,如果不考虑同构的问题,我们直接上sa/sam即可,但是这里不行,我们考虑到只有abc三种字符 ...
- 【[TJOI2015]弦论】
\(SA+SAM\) 第一问显然是一个\(SAM\)的经典问题,我们排完序之后直接使用一直往下找\(n+1-sa[i]-het[i]\)就好了,找到\(K\)减不动了输出就好了 第二问是\(SAM\) ...
随机推荐
- 七、ARM 指令集
7.1 数据处理指令 7.1.1 数据传送类 MOV 类指令:核内寄存器间的数据传送 加载和存储指令(L/S):核内寄存器与挂在存储器总线上器件的数据传送 注意: 核内寄存器就是 R0-R15 外设寄 ...
- Ubuntu 16.04 安装摄像头驱动usb_cam
!!需要在ROS平台上安装 ROS见 https://www.cnblogs.com/haijian/p/8782560.html cd ~/catkin_ws/src 下载usb_cam包 gi ...
- linux ab 压测
https://www.cnblogs.com/shenshangzz/p/8340640.html https://www.cnblogs.com/shenshangzz/p/8340640.htm ...
- Python中的网络扫描大杀器Scapy初探
Python中的网络扫描大杀器Scapy初探 最近经历了Twisted的打击,这个网络编程实在看不懂,都摸不透它的内在逻辑,看来网络编程不是那么好弄的.还好,看到了scapy,这种网络的大杀器 ...
- linux下实现web数据同步的四种方式(性能比较)
实现web数据同步的四种方式 ======================================= 1.nfs实现web数据共享2.rsync +inotify实现web数据同步3.rsyn ...
- 阿里云服务器tomcat能启动,但是不能访问问题。
显示时间过长. 解决方案: 可以看到就可以访问了.百度云的就没有这个问题.
- 如何使 C++ 的 StringBuilder 提升 4350% 的性能?
介绍 经常出现客户端打电话抱怨说:你们的程序慢如蜗牛.你开始检查可能的疑点:文件IO,数据库访问速度,甚至查看web服务. 但是这些可能的疑点都很正常,一点问题都没有. 你使用最顺手的性能分析工具分析 ...
- 安装memcached和elasticsearch服务并systemctl管理
[root@izbp18dv3a3metugyd02qxz bin]# rpm -qa | grep memcache [root@izbp18dv3a3metugyd02qxz bin]# yum ...
- string matching
string matching exkmp #include<bits/stdc++.h> using namespace std; ; int Nex[maxn],extend[maxn ...
- [CSP-S模拟测试]:礼物(数学)
题目传送门(内部题80) 输入格式 第一行输入一个正整数$n$. 第二行到第$n+1$行每行两个正整数$a_i$和$b_i$表示第$i$个礼物中包含$a_i$个红宝石和$b_i$个绿宝石. 输出格式 ...