后缀自动机(SAM) 学习笔记
最近学了SAM已经SAM的比较简单的应用,SAM确实不好理解呀,记录一下。
这里提一下后缀自动机比较重要的性质:
1,SAM的点数和边数都是O(n)级别的,但是空间开两倍。
2,SAM每个结点代表一个endpos,每个endpos有可能代表多个字串(当然这些字串的endpos相等),且这些字串的长度呈一个梯形。
3,令tree[x].len为点x代表的所有字串中长度最长的,tree[x].short为最短的,那么tree[x].short=(tree[fa].len)+1,根据这条性质其实tree[x].short就不用算了可以直接由fa得到。
4,SAM的一条边代表往后添加一个字符,且路径和字串一一对应,那么就得到路径数等于字串数。
5,在parent树上,x的endpos大小等于x的所有儿子y的endpos大小+1,那么就可以通过建树之后一次dfs计算所有点的endpos大小。
6,第2点说明每个状态endpos代表的长度区间为len[fa[s]]->len[s]],那么要求所有本质不同的串的个数就是∑tlen[t]−len[fa[t]] 。
模板题:洛谷P3804
题目要求出现次数不为1(即endpos大小不为1)的时候计算出现次数*字串大小最大。首先肯定要计算endpos大小(这里用的是建树之后dfs的计算办法),然后虽然每个endpos应该有多个字串,但是题目要求计算最大值,所以只看endpos最长的那个字串(tree[x].len)就可以了。
#include<bits/stdc++.h>
using namespace std;
const int N=2e6+;
int n,tot=,las=;
char s[N];
struct NODE {
int ch[];
int len,fa;
NODE(){memset(ch,,sizeof(ch));len=fa=;}
}tree[N]; int cnt=,head[N],nxt[N],to[N];
void add_edge(int x,int y) {
nxt[++cnt]=head[x]; to[cnt]=y; head[x]=cnt;
} long long ep[N],ans; //ep是结点endpos大小
void insert(int c) { //字符插入到SAM中
int p=las,np=las=++tot;ep[tot]=;
tree[np].len=tree[p].len+;
for (;p&&!tree[p].ch[c];p=tree[p].fa) tree[p].ch[c]=np;
if (!p) tree[np].fa=;
else {
int q=tree[p].ch[c];
if(tree[q].len==tree[p].len+)tree[np].fa=q;
else {
int nq=++tot;
tree[nq]=tree[q];tree[nq].len=tree[p].len+;
tree[q].fa=tree[np].fa=nq;
for(;p&&tree[p].ch[c]==q;p=tree[p].fa) tree[p].ch[c]=nq;
}
}
} void dfs(int x) {
for(int i=head[x];i;i=nxt[i]) {
int y=to[i];
dfs(y);
ep[x]+=ep[y];
}
if(ep[x]!=)ans=max(ans,ep[x]*tree[x].len);
} int main()
{
scanf("%s",s); n=strlen(s);
for(int i=;i<n;i++) insert(s[i]-'a'); //把字符串s插入到 SAM 中 for(int i=;i<=tot;i++) add_edge(tree[i].fa,i); //建树计算每个点endpos大小
dfs(); //dfs计算
printf("%lld\n",ans);
return ;
}
SPOJ1811 LCS - Longest Common Substring
求两个字符串最长公共字串长度。把字符串s1建SAM,然后令s2在SAM上匹配。匹配过程有点儿像AC自动机,一个一个字符匹配,匹配成功就继续往下匹配,当匹配失败的时候就沿着fa往上跳然后继续匹配。
这里要注意一个小细节,匹配失败往上跳的时候如果跳到了root结点记得把匹配信息清理。
#include<bits/stdc++.h>
using namespace std;
const int N=1e6+;
int n,m,tot=,las=;
char s1[N],s2[N];
struct NODE {
int ch[];
int len,fa;
NODE(){memset(ch,,sizeof(ch));len=fa=;}
}tree[N]; int cnt=,head[N],nxt[N],to[N];
void add_edge(int x,int y) {
nxt[++cnt]=head[x]; to[cnt]=y; head[x]=cnt;
} long long ep[N],ans; //ep是结点endpos大小
void insert(int c) { //字符插入到SAM中
int p=las,np=las=++tot;ep[tot]=;
tree[np].len=tree[p].len+;
for (;p&&!tree[p].ch[c];p=tree[p].fa) tree[p].ch[c]=np;
if (!p) tree[np].fa=;
else {
int q=tree[p].ch[c];
if(tree[q].len==tree[p].len+)tree[np].fa=q;
else {
int nq=++tot;
tree[nq]=tree[q];tree[nq].len=tree[p].len+;
tree[q].fa=tree[np].fa=nq;
for(;p&&tree[p].ch[c]==q;p=tree[p].fa) tree[p].ch[c]=nq;
}
}
} void dfs(int x) {
for(int i=head[x];i;i=nxt[i]) {
int y=to[i];
dfs(y);
ep[x]+=ep[y];
}
if(ep[x]!=)ans=max(ans,ep[x]*tree[x].len);
} int main()
{
scanf("%s%s",s1,s2);
n=strlen(s1); m=strlen(s2);
for(int i=;i<n;i++) insert(s1[i]-'a'); //把字符串s插入到 SAM 中 int ans=,nowlen=,now=;
for (int i=;i<m;i++,ans=max(ans,nowlen)) {
int p=s2[i]-'a';
if (tree[now].ch[p]) now=tree[now].ch[p],nowlen++;
else {
while(now&&!tree[now].ch[p]) now=tree[now].fa; //失配沿着fa继续匹配
if (now==) now=,nowlen=; //注意这里
else nowlen=tree[now].len+,now=tree[now].ch[p];
}
}
cout<<ans<<endl;
return ;
}
SPOJ7258 SUBLEX - Lexicographical Substring Search(后缀自动机)
给出一个串求它的所有字串中第k小的字串(本质相同的字串只算一个)。
根据上面提到的SAM的路径数等于字串个数,我们可以先求出以每个点为起点的路径数(即得到每个点为起点的字串数)。然后常规套路像在搜索树上一边剪枝修改k一边搜索最终得到答案。
这里要注意,因为本质相同算一个,所以每个点初始值就是1。
#include<bits/stdc++.h>
using namespace std;
const int N=2e6+;
int n,tot=,las=;
char s[N];
struct NODE {
int ch[];
int len,fa;
NODE(){memset(ch,,sizeof(ch));len=fa=;}
}tree[N]; void insert(int c) { //字符插入到SAM中
int p=las,np=las=++tot;
tree[np].len=tree[p].len+;
for (;p&&!tree[p].ch[c];p=tree[p].fa) tree[p].ch[c]=np;
if (!p) tree[np].fa=;
else {
int q=tree[p].ch[c];
if(tree[q].len==tree[p].len+)tree[np].fa=q;
else {
int nq=++tot;
tree[nq]=tree[q];tree[nq].len=tree[p].len+;
tree[q].fa=tree[np].fa=nq;
for(;p&&tree[p].ch[c]==q;p=tree[p].fa) tree[p].ch[c]=nq;
}
}
} int sub[N];
void toposort() {
static int c[N],rk[N];
for (int i=;i<=tot;i++) c[tree[i].len]++;
for (int i=;i<=n;i++) c[i]+=c[i-];
for (int i=tot;i;i--) rk[c[tree[i].len]--]=i; //前3步桶排序
for (int i=;i<=tot;i++) sub[i]=; //本质相等只算一个,初始值为1
for (int i=tot;i;i--)
for (int j=;j<;j++)
sub[rk[i]]+=sub[tree[rk[i]].ch[j]]; //该点路径数等于它所有儿子路径数和
} void solve(int k) {
int now=;
while (k) {
if (now!=) k--;
if (k<=) break;
for (int i=;i<;i++)
if (sub[tree[now].ch[i]]<k) k-=sub[tree[now].ch[i]];
else { putchar(i+'a'); now=tree[now].ch[i]; break; }
}
} int main()
{
scanf("%s",s); n=strlen(s);
for(int i=;i<n;i++) insert(s[i]-'a'); //把字符串s插入到 SAM 中 toposort(); //求DAG某个点为起点的路径数
int T,q; cin>>T;
while (T--) {
scanf("%d",&q);
solve(q); puts("");
}
return ;
}
#include<bits/stdc++.h>
using namespace std;
const int N=1e6+;
int n,tot=,las=;
char s[N];
struct NODE {
int ch[];
int len,fa;
NODE(){memset(ch,,sizeof(ch));len=fa=;}
}tree[N]; int ep[N],sub[N];
void insert(int c) { //字符插入到SAM中
int p=las,np=las=++tot; ep[tot]=;
tree[np].len=tree[p].len+;
for (;p&&!tree[p].ch[c];p=tree[p].fa) tree[p].ch[c]=np;
if (!p) tree[np].fa=;
else {
int q=tree[p].ch[c];
if(tree[q].len==tree[p].len+)tree[np].fa=q;
else {
int nq=++tot;
tree[nq]=tree[q];tree[nq].len=tree[p].len+;
tree[q].fa=tree[np].fa=nq;
for(;p&&tree[p].ch[c]==q;p=tree[p].fa) tree[p].ch[c]=nq;
}
}
} int c[N],rk[N];
void toposort(int opt) {
for (int i=;i<=tot;i++) c[tree[i].len]++;
for (int i=;i<=n;i++) c[i]+=c[i-];
for (int i=tot;i;i--) rk[c[tree[i].len]--]=i; //前3步桶排序 if (opt==)
for (int i=;i<=tot;i++) ep[i]=; //本质相等只算一个,初始值为1
if (opt==)
for (int i=tot;i>;i--) ep[tree[rk[i]].fa]+=ep[rk[i]]; //本质相等算多个,初始值为endpos大小
for (int i=;i<=tot;i++) sub[i]=ep[i];
for (int i=tot;i;i--)
for (int j=;j<;j++)
sub[rk[i]]+=sub[tree[rk[i]].ch[j]]; //该点路径数等于它所有儿子路径数和
} void solve(int k) {
int now=;
if (k>sub[]) { puts("-1"); return; }
while (k) {
if (now!=) k-=ep[now];
if (k<=) break;
for (int i=;i<;i++)
if (sub[tree[now].ch[i]]<k) k-=sub[tree[now].ch[i]];
else { putchar(i+'a'); now=tree[now].ch[i]; break; }
}
} int main()
{
scanf("%s",s); n=strlen(s);
for(int i=;i<n;i++) insert(s[i]-'a'); //把字符串s插入到 SAM 中 int opt,q; cin>>opt>>q;
toposort(opt); //求DAG某个点为起点的路径数
solve(q);
return ;
}
#include<bits/stdc++.h>
using namespace std;
const int N=4e3+;
int n,tot=,las=,sum;
char s[N];
struct NODE {
int ch[];
int len,fa;
NODE(){memset(ch,,sizeof(ch));len=fa=;}
}tree[N]; int ep[N],ans[][];
void insert(int c) { //字符插入到SAM中
int p=las,np=las=++tot; ep[tot]=;
tree[np].len=tree[p].len+;
for (;p&&!tree[p].ch[c];p=tree[p].fa) tree[p].ch[c]=np;
if (!p) tree[np].fa=;
else {
int q=tree[p].ch[c];
if(tree[q].len==tree[p].len+)tree[np].fa=q;
else {
int nq=++tot;
tree[nq]=tree[q];tree[nq].len=tree[p].len+;
tree[q].fa=tree[np].fa=nq;
for(;p&&tree[p].ch[c]==q;p=tree[p].fa) tree[p].ch[c]=nq;
}
}
sum+=tree[np].len-tree[tree[np].fa].len;
} int main()
{
int T; cin>>T;
while (T--) {
scanf("%s",s+); n=strlen(s+);
for (int i=;i<=n;i++) {
sum=;
for (int j=i;j<=n;j++) {
insert(s[j]-'a');
ans[i][j]=sum;
}
for (int j=;j<=tot;j++) {
tree[j].fa=tree[j].len=;
memset(tree[j].ch,,sizeof(tree[j].ch));
}
tot=; las=;
}
int q; cin>>q;
while (q--) {
int l,r; scanf("%d%d",&l,&r);
printf("%d\n",ans[l][r]);
}
}
return ;
}
后缀自动机(SAM) 学习笔记的更多相关文章
- 后缀自动机SAM学习笔记
前言(2019.1.6) 已经是二周目了呢... 之前还是有一些东西没有理解到位 重新写一下吧 后缀自动机的一些基本概念 参考资料和例子 from hihocoder DZYO神仙翻译的神仙论文 简而 ...
- SAM学习笔记
SAM学习笔记 后缀自动机(模板)NSUBSTR(Caioj1471 || SPOJ 8222) [题意] 给出一个字符串S(S<=250000),令F(x)表示S的所有长度为x的子串中,出现次 ...
- [转]后缀自动机(SAM)
原文地址:http://blog.sina.com.cn/s/blog_8fcd775901019mi4.html 感觉自己看这个终于觉得能看懂了!也能感受到后缀自动机究竟是一种怎样进行的数据结构了. ...
- SPOJ 1811. Longest Common Substring (LCS,两个字符串的最长公共子串, 后缀自动机SAM)
1811. Longest Common Substring Problem code: LCS A string is finite sequence of characters over a no ...
- 后缀自动机(SAM)奶妈式教程
后缀自动机(SAM) 为了方便,我们做出如下约定: "后缀自动机" (Suffix Automaton) 在后文中简称为 SAM . 记 \(|S|\) 为字符串 \(S\) 的长 ...
- 【算法】后缀自动机(SAM) 初探
[自动机] 有限状态自动机的功能是识别字符串,自动机A能识别字符串S,就记为$A(S)$=true,否则$A(S)$=false. 自动机由$alpha$(字符集),$state$(状态集合),$in ...
- 浅谈后缀自动机SAM
一下是蒟蒻的个人想法,并不很严谨,仅供参考,如有缺误,敬请提出 参考资料: 陈立杰原版课件 litble 某大神 某大神 其实课件讲得最详实了 有限状态自动机 我们要学后缀自动机,我们先来了解一下自动 ...
- 【文文殿下】后缀自动机(Suffix Automaton,SAM)学习笔记
前言 后缀自动机是一个强大的数据结构,能够解决很多字符串相关的(String-related)问题. 例如:他可以查询一个字符串在另一个字符串中出现的所有子串,以及查询一个字符串中本质不同的字符串的个 ...
- [学习笔记]后缀自动机SAM
好抽象啊,早上看了两个多小时才看懂,\(\%\%\%Fading\) 早就懂了 讲解就算了吧--可以去看看其他人的博客 1.[模板]后缀自动机 \(siz\) 为该串出现的次数,\(l\) 为子串长度 ...
随机推荐
- The list of list is modified unexpected, python
Be careful! The list of list is modified unexpected, python # code patch A: list = [1,2,3,4,5,6,7] p ...
- VSCode必备插件
通用组件 1.汉化插件 https://marketplace.visualstudio.com/items?itemName=MS-CEINTL.vscode-language-pack-zh-ha ...
- NotSerializableException
这个错误是实体类没有 继承 Serializeble.
- 重写LayoutParams,读取子View自定义属性
在EasyConstraintLayout内部定义一个静态类LayoutParams继承ConstraintLayout.LayoutParams,然后在构造方法中读取上面自定义的属性.我们通过裁剪的 ...
- legend3---1、meedu安装
legend3---1.meedu安装 一.总结 一句话总结: 视频的安装教程做主菜,辅以文档安装教程做配料,口感甚佳. 1.为什么不直接从github下载文件的发行版,而要选择composer方式安 ...
- Microsoft Office Word
快捷键 选区 选择块:[Shift]+click,光标放到块的一端,然后按住Shift,然后光标放到块的另一端. 更新域: F9 右键没有更新域选项时可以使用,如更新全部域先Ctrl + A然后F9 ...
- git清空远程仓库
需求背景:因为用jenkins连接了git仓库,有时候job构建出现问题,需要排查问题,但是呢,真实的项目代码量非常pang大,所以就需要建1个测试仓库,使用最少量的代码能复现自己的问题就好. 这就需 ...
- Linux运维知识之linux shell date 用当天时间做备份文件名
本文主要向大家介绍了Linux运维知识之linux shell date 用当天时间做备份文件名,通过具体的内容向大家展现,希望对大家学习Linux运维知识有所帮助. #!/bin/bash #dat ...
- hdu6570Wave (暴力求解)
Problem Description Avin is studying series. A series is called "wave" if the following co ...
- Maximum Subarray(最大连续子序列和)
https://leetcode.com/problems/maximum-subarray/ 思路: 如果全为负值,那么取最大值 如果有非负值,那么我们依次计算到当前位置为止的最大值.假设有n个元素 ...