如何建一个SAM
部分改编自OI WIKI
先从一个简单的问题入手:
给定一个串,构造一个图,使其能够表示它的所有子串。
显然一个子串就是一个后缀的前缀。所以一个很显然的方式就是把所有后缀扔进trie里。
比如当前串是aaba。
但是我们发现,这样是不是有点浪费?比如"ba"这个字符串好像在里面出现了三遍。
既然树型结构已经不能更优了,那么我们不妨另辟蹊径,考虑能不能找到一个算法,用一个DAG代替这个trie树。比如将上述三个红色圆圈合并,可以变成:
答案是肯定的。这个算法就是SAM。
先在这里展示一些简单的字符串的后缀自动机。
这里用蓝色表示初始状态,用绿色表示终止状态。
对于字符串 \(s=\varnothing\) :
对于字符串 \(s=\texttt{a}\):
对于字符串 \(s=\texttt{aa}\):
对于字符串 \(s=\texttt{ab}\):
对于字符串 \(s=\texttt{abb}\):
对于字符串 \(s=\texttt{abbb}\):
看起来有点复杂?那么我们该如何建这样一个后缀自动机呢?
这里先给出结论:我们可以在 \(O(n)\) 时间内建出这样的后缀自动机而且代码极短。
在建后缀自动机之前,我们需要先了解一下一些性质:
我们定义 \(\operatorname{endpos}(t)\) 为母字符串 \(s\) 的非空子串 \(t\) 在字符串 \(s\) 中的所有结束位置的集合。
例如 s="\(\texttt{aabab}\)",t="\(\texttt{ab}\)",那么 \(\operatorname{endpos}(t)=\{2,4\}\)。
关于endpos集合的性质 OI WIKI 讲的很详细。但是有点繁琐。这里给出我的理解:
根据endpos集合我们可以一个树形关系,其中根结点为 \(\varnothing\),每个节点的endpos集合都完全包含其儿子的endpos集合。且对于两个没有祖先关系的点,endpos交为 \(\varnothing\)。
事实上这个树形关系就是parent树。这在后面会用到。
关于证明详见 OI WIKI。
可以发现,对于SAM的某个节点 \(u\),其表示的字符串是 \(s\) 长度为 \(len_u\) 的前缀中长度大于某一长度的后缀。而 \(len_u\) 显然也是 \(u\) 表示的子串中最长的那个。
可以证明,\(len_u\) 等于它插入时的字符串的长度。
我们考虑记 \(\operatorname{link}(u)=v\) 为最长的 \(len_v\) 使 \(\operatorname{endpos}(u)\subseteq\operatorname{endpos}(v)\)。
那么 \(u\) 表示的字符串是 \(s\) 长度为 \(len_u\) 的前缀中长度大于 \(len_{\operatorname{link}(u)}\) 的后缀。
证明详见 OI WIKI。
例如当s="\(\texttt{abcbc}\)"时,SAM和parent树如下所示:
接下来我们可以开始建SAM了。
先放一个板子:
void insert(int c)
{
int p=las,q=las=++cnt;
len[q]=len[p]+1;
for(;p && !ch[p][c];p=fa[p]) ch[p][c]=q;
if(!p) fa[q]=1;
else
{
int np=ch[p][c];
if(len[np]==len[p]+1) fa[q]=np;
else
{
int nq=++cnt;
memcpy(ch[nq],ch[np],sizeof(ch[nq]));
fa[nq]=fa[np];
fa[np]=fa[q]=nq;
len[nq]=len[p]+1;
for(;p && ch[p][c]==np;p=fa[p]) ch[p][c]=nq;
}
}
}
首先需要注意一点,这里的 \(\text{fa}\) 本质上其实是 \(\text{link}\),即并不存在fa[ch[u][c]]=u
之类的关系。
我们一步步解释这段程序在干什么。
int p=las,q=las=++cnt;
len[q]=len[p]+1;
for(;p && !ch[p][c];p=fa[p]) ch[p][c]=q;
\(las\) 是我们上一次插入的节点,而 \(q\) 是我们要加入的节点。
如果我们记 \(s_u\) 表示节点 \(u\) 能表示的最长的子串,那么 \(s_q=s_{p}+c\)。
所以显然有 len[q]=len[p]+1
。接下来我们要给 \(q\) 找 \(fa\)。
接下来个人感觉特别像KMP,即我们知道 \(s_{fa[p]}\) 一定是 \(s_p\) 的一个后缀。我们希望找到一个已经存在的状态,它存在一个 \(c\) 边的扩展。
如果不存在当前 \(p\) 不存在 \(c\) 边的扩展,那么显然 \(q\) 本身就是一个新的扩展,直接赋值 ch[p][c]=q
,然后继续向上找。
if(!p) fa[q]=1;
else
{
int np=ch[p][c];
if(len[np]==len[p]+1) fa[q]=np;
如果找到根了还是没有找到 \(c\) 边的扩展,说明当前串不存在前驱,那么我们直接令 fa[q]=1
。
否则我们找到了一个 \(c\) 边的扩展,显然这是存在 \(c\) 边的扩展中最长的子串。接下来判断这个扩展是不是直接的,即是 \(s_{np}=s_p+c\) 还是 \(s_{np}=s_p+c\dots\)。
如果是前者,那么显然 \(np\) 就是 \(q\) 的前驱,即 \(\operatorname{endpos}(q)\subseteq\operatorname{endpos}(np)\),直接赋值即可。
否则比较麻烦,即 \(np\) 表示的某个串是 \(q\) 的前驱。
else
{
int nq=++cnt;
memcpy(ch[nq],ch[np],sizeof(ch[nq]));
fa[nq]=fa[np];
fa[np]=fa[q]=nq;
len[nq]=len[p]+1;
for(;p && ch[p][c]==np;p=fa[p]) ch[p][c]=nq;
}
对于这种情况,我们需要分裂出一个点 \(nq\),令这个点 \(s_{nq}=s_p+c\) 。
可以发现由于 \(nq\) 是 \(np\) 的一个子集,\(np\) 的所有转移边 \(nq\) 也都有。
那么 fa[nq]=fa[np]
和 fa[np]=fa[q]=nq
也就很显然了。
接下来,\(nq\) 代替了 \(np\) 成为了 \(len\) 更短的点,那么显然所有连向了 \(np\) 的边都连向了 \(nq\)。
这样我们就建完了一棵SAM。
显然这样空间复杂度 \(O(n)\),因为我们插入一个字符最多会增加2个点。关于时间复杂度的证明详见OI WIKI。
接下来我们看一些经典套路:
1.求本质不同子串个数
首先对字符串 \(S\) 构造后缀自动机。
每个 \(S\) 的子串都相当于自动机中从根开始的路径。因此不同子串的个数等于自动机中以1为起点的不同路径的条数。
考虑到SAM是一个DAG,不同路径的条数可以通过动态规划计算。当然最后还要去掉空串。
时间复杂度 \(O(|S|)\) 。
当然这种方法有很大局限性,因为每一次都需要dfs一遍。所以大多数时候采用的都是下述方法:
我们知道一个字符串唯一对应一个节点,而一个节点表示的是长度为 \(len_u\) 的前缀中长度在 \((len_{fa},len_u]\) 的后缀。
所以显然有 \(\text{答案}=\sum{(len_{fa_u}-len_u)}\)。
2.字典序第 \(k\) 大子串
可以发现一个SAM是一个DAG,所以我们可以dp求出从一个点出发的子串数量。
那么很明显,我们从 'a'->'z' 依次查看,找到第一个满足子串数量前缀和 \(\geq k\) 的转移边,转移即可。
时间复杂度 \(O(|S|)\)。
3.动态求出现次数
给定文本串 \(S\) 和若干询问串 \(T_i\),动态询问 \(T_i\) 在 \(S\) 中出现次数。
我们知道,SAM本质上是将一个trie压缩后得到的结果,所以我们可以直接跳转移边得到。
最后得到的结果的状态数就是答案。状态数可以dfs预处理出来。
时间复杂度 \(O(|S|+|T|)\)。
4. 求两个前缀的LCS
这本来是归SA管的一道板子题,但偏偏有些出题人想要动态加字符。
可以发现,parent树本质是一棵压缩的trie树,保留其中的关键节点。
如果这是trie树,显然我们可以直接找trie上的LCA。而parent树保留的就是一棵虚树,所以显然也符合条件。
\(\color{black}{\text{O}}\color{red}{\text{IerWanHong}}\) \(\texttt{orz}\)。
如何建一个SAM的更多相关文章
- “为什么DirectX里表示三维坐标要建一个4*4的矩阵?”
0x00 前言 首先要说明的是,本文的标题事实上来自于知乎上的一个同名问题:为什么directX里表示三维坐标要建一个4*4的矩阵? - 编程 .因此,正如Milo Yip大神所说的这个标题事实上是存 ...
- 每建一个Activity都要注册权限Manifest.xml
每建一个Activity都要注册权限Manifest.xml 但是有时候自动注册好了,注意!不然的话是不能调用的!!!!!<activity android:name=".MainVi ...
- 如何使用maven建一个web3.0的项目
使用eclipse手动建一个maven的web project可能会有版本不合适的情况,例如使用spring的websocket需要web3.0什么的,不全面的修改可能会出现各种红叉,甚是苦恼.我从我 ...
- 基于gulp编写的一个简单实用的前端开发环境好了,安装完Gulp后,接下来是你大展身手的时候了,在你自己的电脑上面随便哪个地方建一个目录,打开命令行,然后进入创建好的目录里面,开始撸代码,关于生成的json文件请点击这里https://docs.npmjs.com/files/package.json,打开的速度看你的网速了注意:以下是为了演示 ,我建的一个目录结构,你自己可以根据项目需求自己建目
自从Node.js出现以来,基于其的前端开发的工具框架也越来越多了,从Grunt到Gulp再到现在很火的WebPack,所有的这些新的东西的出现都极大的解放了我们在前端领域的开发,作为一个在前端领域里 ...
- JGUI源码:从头开始,建一个自己的UI框架(1)
开篇 1.JGUI是为了逼迫自己研究底层点的前端技术而做的框架,之前对web底层实现一直没有深入研究,有了技术瓶颈,痛定思痛从头研究, 2.虽然现在vue技术比较火,但还在发展阶段,暂时先使用JQue ...
- 学习建一个spring-Mvc项目
学习建一个spring-Mvc项目 首先要有jdk1.8以上,spring,mybatis,以及整合jar包,tomcat ,然后配置环境(前面有配置得方法). 1)右键new project,--& ...
- 建一个maven项目
建一个普通的maven项目(eclipse) 需要的jar和文件: eclipse :jdk1.8.0_144 maven:apache-maven-3.5.3 进入(下载):http:// ...
- 转载 STM32 使用Cubemx 建一个USB(HID)设备下位机,实现数据收发
STM32 使用Cubemx 建一个USB(HID)设备下位机,实现数据收发 本文转载自 https://www.cnblogs.com/xingboy/p/9913963.html 这里我主要说一 ...
- 如何建一个Liferay 7的theme
首先附上原文链接Creating theme and Deploying in liferay 7 by using Eclipse 1.第一步:建一个Liferay module 项目,选择them ...
随机推荐
- ptmalloc tcmalloc jemalloc 总结的总结 及覆盖原理
windows下还有 detours库可以hook
- Xpath定位元素-一个例子
前几天在群里面解决的问题,记录下来和大家分享 需要定位这个股份制企业 方法: # 首先需要单击下拉框弹出企业性质的下拉选项:然后用过Xpath定位元素 driver.find.element_by_c ...
- Linux权限位(含特殊权限位s s t) 及chown\chmod命令使用
1.普通权限位 ls –l查看文件的属性 [root@oldboy ~]# ls -l -rw-------. 1 root root 1073 Mar 4 22:08 anaconda-ks.cfg ...
- __METHOD__
- 插件Spire.PDF帮你高效搞定PDF打印
Spire.PDF介绍 Spire.PDF是一个专业的PDF组件,能够独立地创建.编写.编辑.操作和阅读PDF文件,支持 .NET.Java.WPF和Silverlight.Spire.PDF的PDF ...
- java开发两年,连Spring的依赖注入的方式都搞不清楚,你工作可能有点悬!
Spring依赖注入 常的java开发中,程序员在某个类中需要依赖其它类的方法,则通常是new一个依赖类再调用类实例的方法,这种开发存在的问题是new的类实例不好统一管理,spring提出了依赖注入的 ...
- guitar pro系列教程(五):Guitar Pro音轨属性之小节的功能
又到了guitar pro系列教程新的一章,本章节小编将采用图文相结合的方式与大家一起来讨论下关于Guitar Pro小节的功能,感兴趣的小伙伴都可以进来看看哦,如下图所示: 我们看到小节这选项栏中分 ...
- 【移动自动化】【一】环境依赖:android sdk 环境配置(windows + linux)
Android自动化前提依赖 android sdk 模拟器: mumu模拟器, 逍遥模拟器 真机 windows 环境下Android SDK 配置 配置java环境 去官网下载jdk http:/ ...
- Go 大数据生态迎来重要产品 CDS
项目地址:https://github.com/tal-tech/cds ClickHouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS).它有着优异的性能,可以快速部署和运行. 不 ...
- java实验作业1
1 //1已知圆的半径为10,求其周长及面积 2 package calsswork3; 3 4 public class test3_1 { 5 //求周长 6 public static doub ...