Border Theory
持续更新中!!!更个屁,无线停更!
前言:
KMP 学傻了,看 skyh 说啥 border 树,跑来学 border 理论
洛谷云剪切板:https://www.luogu.com.cn/paste/gfkqhuyb(有小差别)
I. 基础定义
基本定义
假设你们都知道串串是啥 .
其实正片文章都在混淆字符串 \(S\) 和字符串 \(S\) 的长度 \(|S|\),意会一下 .
约定:
- \(S\) 的长度是 \(|S|\) .
- \(\Sigma\) 是字符集 .
- \(s[l:r]\) 是子串 \([l,r]\) .
- \(s[i]\) 是 \(s\) 的第 \(i\) 个字符,\(s_i\) 也是 .
- 字符串 \(A,B\) 拼接:\(AB\).
- \(S\) 长度为 \(k\) 的前缀、后缀:\(\operatorname{pre}(S,k)\),\(\operatorname{suf}(S,k)\) .
- 然后如果一个 \(p\) 满足对一个串串 \(S\) 都有 \(s_i = s_{i+p}\),则 \(p\) 是 \(S\) 的一个周期(period),若 \(p\mid n\) 则称为整周期 .
- \(p\) 的最小周期的长度记为 \(\operatorname{per}(u)\) .
若俩字符串 \(S, T\) 满足:
- \(S\neq T\) .
- \(S\) 即是 \(T\) 的前缀又是后缀 .
则称 \(S\) 是 \(T\) 的一个 border .
定义 \(\operatorname{border}(S)\) 表示 \(S\) 的所有 border 构成的集合 .
\(S\) 长度最长的 border 记作 \(\operatorname{maxbd}(S)\) .
后面叙述大概隐含一个 原串 \(S\),所有 border 都是 \(S\) 的 border .
Period 与 Border
\(S[1:p]\) 是 \(S\) 的 border \(\Longleftrightarrow\) \(|S|-p\) 是 \(S\) 的周期,如图(或者看 这个) .
前缀函数 / KMP 自动机
因为 \(S\) 的所有 border 都是 \(S\) 的前缀,所以我们可以用一个下标表示出来 .
定义 \(\pi_i\) 表示 \(S[1:i]\) 的最长 border 长度 .
有可能你会发现 \(\pi\) 就是只有一个串串 \(S\) 的 AC 自动机的 fail 指针 .
然后显然有
定理 \(\mathbf 1\)
\[\operatorname{border}(S) = \operatorname{border}(\operatorname{maxbd}(S)) + \operatorname{maxbd}(S)
\]
这个非常显然吧 .
然后显然 border 的 border 还是 border,所以我们不断跳这个 \(\pi\) 就能求出全部 border 了 .
习题:Seek the Name, Seek the Fame .
KMP 算法
这块可以跳过去 .
KMP 大概就是 AC 自动机跳的过程
习题:
Border 树 / 失配树
对于每个 \(u\),连边 \(u\leftrightarrow \pi_u\),就成了 border 树(或者叫失配树).
然后剩下的就看题吧 .
一个串串 \(S\),多组询问,求两个前缀的最长公共 border .
border 树上每个点的祖先都是它的 border .
然后点的定义就是前缀 .
于是题目要求的这玩意就是 border 树上 LCA,没了 .
求给定字符串所有前缀的最大周期长度之和 .
周期和 border 对应,于是问题转换为求每个前缀的最小非空 border .
是不是就是 border 树上最浅祖先啊,暴跳就完了 .
求 \(S\) 的每个前缀 \(\leq\) 长度一半的 border 个数 .
当时学 KMP 的时候就是混过去的,现在终于知道咋做了,,,
建出 border 树,然后因为答案具有单调性,可以分两种做法:
- 倍增 .
- 大概是做一个限制长度的 KMP,然后复杂度可以均摊??
II. 性质与定理
关于周期的基本定理
定理 \(\mathbf 2\)(Weak Periodicity Lemma,WPL)
一个字符串 \(S\),若其有 \(q\) 和长度为 \(q\) 的周期,且 \(p+q \leq |S|\),则 \(s\) 有长度为 \(\gcd(p,q)\) 的周期 .
不失一般性,设 \(p>q\),考虑证明 \(p-q\) 也是周期,就可以辗转相减搞出 \(\gcd\) 了 .
根据 period 的定义,\(\forall i\):
- 当 \(i<p\) 时,\(s_i=s_{i-q}=s_{i-q+p}=s_{i+(p-q)}\) .
- 当 \(i>q\) 时,\(s_i=s_{i+p}=s_{i+p-q}=s_{i+(p-q)}\) .
即 \(\forall i\)。\(s_i = s_{i+(p-q)}\),从而 \(p-q\) 是周期 .
Q.E.D.
Bonus:
Periodicity Lemma
一个字符串 \(S\),若其有 \(q\) 和长度为 \(q\) 的周期,且 \(p+q-\gcd(p,q) \leq |S|\),则 \(s\) 有长度为 \(\gcd(p,q)\) 的周期 .
定理 \(\mathbf 3\)
对于串串 \(u,v\),若 \(2|u|\geq|v|\) ,则 \(u\) 在 \(v\) 中的匹配位置必为等差序列 .
显然只需要考虑匹配至少 \(3\) 次的情况 .
考虑 \(u\) 在 \(v\) 中的第 \(1,2\) 次匹配 \(u_1,u_2\),还有随便一个匹配 \(u_x\) .
设 \(u_1,u_2\) 间距为 \(d\),\(u_2,u_x\) 间距为 \(x\),如图 .
(因为 cnblogs 的 \(\TeX\) 不支持 \xleftrightarrow
于是换成图片了)
不难发现 \(d,q\) 都是 \(u\) 的周期,于是根据 WPL,\(r = \gcd(d,q)\) 亦然 .
设 \(u\) 的最小周期为 \(p\le r\),显然 \(p\mid r\mid d\),可以考虑反证法 WPL .
然而 \(d\) 显然是 \(u_1\cup u_2\) 的周期,于是 \(p\) 也是 \(u_1\cup u_2\) 的周期吧 .
若 \(p<d\),将 \(u_1\) 右移 \(p\) 又形成一次匹配,矛盾!
于是显然可以推出 \(p=d\) .
又 \(d = p\le r = \gcd(d,q)\),从而 \(d\mid q\) .
看看 \(d\mid q\) 意味着啥?是不是就证完了 .
Q.E.D.
推论(?):
对于串串 \(u,v\),若 \(2|u|\geq|v|\) ,则 \(u\) 在 \(v\) 中的匹配位置形成等差序列 .
若它的项数不小于 \(3\),则其公差等于 \(u\) 的最小周期 .
Border 的结构
定理 \(\mathbf 4\)
\(S\) 的长度不小于 \(|S|/2\) 的 border 长度构成一个等差序列 .
设长度最大的 border 为 \(n-p\) ,另一个 border 长度为 \(n-q\)(即 \(p,q\) 是周期,且均有 \(p,q\leq n/2\) .
由 WPL 得 \(\gcd(p,q)\) 也是 \(S\) 的周期,所以存在长度为 \(n-\gcd(p,q)\) 的 border .
根据 \(n-p\) 为最长 border 的假设,要满足 \(\gcd(p,q)\geq p\) 即 \(p\mid q\) .
这个整除意味着等差序列,和上面那个 定理 \(\mathbf3\) 类似 .
长度小的 border?
定理 \(\mathbf 5\)
\(S\) 的所有 border 长度构成 \(O(\log |S|)\) 个等差序列 .
首先,将该串的长度达到 \(n/2\) 的 border 划分成一个等差序列 .
然后取出长度最小的 border \(T\) .
然后可以证明 \(|T|\le \dfrac 34|S|\),如下 .
- 若最小循环节 \(d\leq |S|/4\),不断从最长 border 减去 \(d\) 则必然有 \(|T|\le \dfrac 34|S|\) .
- 若最小循环节 \(d>|S|/4\),则直接证完 .
然后根据我们平凡的 定理 \(\mathbf 1\),其他 border 都是这个 \(T\) 的 border,于是每次缩小 \(3/4\),就是 \(\log\) 级别的了 .
Q.E.D.
Bonus:更紧的界:\(\lceil\log|S|\rceil\) .
Prefix-Suffix (PS)
将 \(s\) 的所有 border 按长度分类:
\]
若 \(|u|=|v|\),记 \(\operatorname{PS}(u,v)=\{k:\operatorname{pre}(u,k) = \operatorname{suf}(v,k)\}\) .
是不是很像 border!!
然后令 \(\operatorname{LargePS}(u,v) = \{k\in\operatorname{PS}(u,v):k\ge |u|/2\}\) .
则 \(S\) 在 \([2^{i-1},2^i)\) 内的 border 长度集合就是 \(\operatorname{LargePS}(\operatorname{pre}(S,2^i),\operatorname{suf}(S,2^i))\) .
定理 \(\mathbf 6\)
\(\operatorname{LargePS}(u,v)\) 构成一个等差数列 .
都是 \(\operatorname{pre}(u,\max\{\operatorname{LargePS}(u,v)\})\) 的 border,可以看金策大爷的图 .
然后我们发现 定理 \(\mathbf 5\) 其实是这玩意的推论 .
III. 一些问题
子串周期查询
一个长度为 \(n\) 的字符串 \(S\),每次询问一个子串 \(t\) 的所有周期 .
用 \(O(\log)\) 个等差序列表示 .
所有周期等价于询问所有 border .
按 border 长度 \(x\) 分类:
- Case 1. \(x\in[2^{i-1},2^i]\) .
- Case 2. \(x\in[2^k,r-l+1]\) .
根据前面说的啥 \(\operatorname{PS}\),我们可以知道 Case 1 就是要求 \(\operatorname{LargePS}(\operatorname{pre}(t,2^i),\operatorname{suf}(t,2^i))\) .
若 \(u\) 是一个 Large Prefix-Suffix (LargePS),则 \(\operatorname{pre}(t,2^i)\) 是 \(u\) 的前缀,\(\operatorname{suf}(t,2^i)\) 是 \(u\) 的后缀 .
求出 \(\operatorname{pre}(t,2^{i-1})\) 在 \(\operatorname{suf}(t,2^i)\) 中匹配的所有位置,还有 \(\operatorname{suf}(t,2^{i-1})\) 在 \(\operatorname{pre}(t,2^i)\) 中匹配的所有位置,移位取交集即可 .
Case 2: 因为 \(L=2^k\ge m/2\),所以我们的任务 — 求出 \(t\) 的所有长度不小于 \(L\) 的 border,是不是就是求 \(\operatorname{PS}_{\ge L}(t,t)\) 啊,和 Case 1 做法相同 .
然后我们看看具体怎么做:
Task 1. 怎么求出匹配的所有位置???
Internal Pattern Matching (Easy ver.)
一个字符串 \(u\),多次询问,每次给出其两个子串 \(v,w\)(满足 \(2|v|\ge |w|\)),询问 \(u\) 在 \(v\) 中的所有匹配位置 .
特殊性质:\(v\) 是 \(2\) 的幂 .
也就是要实现一个 \(\operatorname{succ}(v,i)\),能求出 \(v\) 在 原串 \(s\) 中起点不小于 \(i\) 的第一次匹配(以及反过来的 \(\operatorname{prev}(v,i)\)).
因此只需要把 \(s\) 中所有长度为 \(2\) 的次幂的子串拉出来排序,相同的子串按起始位置排序即可 .
这个过程类似于倍增求 SA .
然后查 \(\operatorname{succ}\) 的时候二分就完了 .
Task 2. 等差序列取交集???
可以证明俩等差序列公差相等,具体比较牛逼,看金策大爷的课件吧 .
于是我们目前做到的是:
- 空间 \(O(n\log n)\) .
- 预处理 \(O(n\log n)\),询问 \(O(n\log^2 n)\) .
- 在线
的算法 .
一个小优化:
注意到 \(\operatorname{succ}\) 询问时只关系起点在 \([i,i+|v|]\) 的匹配 .
于是将 \(s\) 按 \(|v|\) 的间隔分段,每段是一个等差数列 .
所有非空段的东西丢进 Hash Table,就可以单次一个 \(\log\) 了 .
预处理期望 \(O(n\log n)\) .
子串周期查询可以在 BJWC Border 的四种求法 测(题目要求区间最大 Border 长度).
Internal Pattern Matching (IPM)
一个字符串 \(S\),多次询问,每次给出其两个子串 \(u,v\)(满足 \(2|u|\ge |v|\)),询问 \(u\) 在 \(v\) 中的所有匹配位置 .
我们是不是解决了 \(u\) 是二的幂的情形,而且还做到了 \(O(1)\) 询问?
如果不是你就等差数列移位求交集,复杂度变成询问 \(O(\log n)\) .
等差数列移位求交集的过程是不是类似 ST 表啊
子串循环同构判定
一个字符串 \(S\),多次询问,每次给出其两个长度相等的子串 \(u,v\),询问 \(u\),\(v\) 是否循环同构 .
如果是就输出所有移位长度(表示成等差序列) .
我会最小表示法!
几个平凡的结论:
- 一个串串 \(s\) 的最小周期是 \(p\),如果 \(p\mid n\),则 \(s\) 只有 \(p\) 个本质不同的循环移位,每种出现 \(n/p\) 次 .
- \(s,t\) 循环同构 \(\Longleftrightarrow\) \(s\) 是 \(tt\) 的子串 .
根据第二个是不是 IPM 判定就好了?
然后我们看看怎么求所有移位长度 .
设 \(u=ab\),\(v=ba\),不失一般性,令 \(|a|\ge|u|/2\) .
记 \(w=\operatorname{pre}(a,\lceil|u|/2\rceil)\),IPM 查询 \(w\) 在 \(v\) 中出现的所有位置 \(j_{1\dots m}\)(是一个公差为 \(q\) 的等差序列)
根据 定理 \(\mathbf 3\) 的推论,当 \(m\ge 3\) 时,\(q=\operatorname{per}(w)\) .
设
- \(u\) 最长的拥有周期 \(q\) 的前缀长度为 \(d_u\) .
- \(v[j_1:|v|]\cdot v\) 最长的拥有周期 \(q\) 的前缀长度为 \(d_v\) .
于是 \(j_t\) 是合法起始点的必要条件就是 \(\min\{|u|,d_v-(i-1)q\} = d_u\) .
然后就可以轻易 \(O(1)\) 求移位长度了 .
Reference
- 前缀函数与 KMP 算法 - OI Wiki
- border 理论小记 - command_block
- Border Theory - SyadouHayami
- 金策《字符串算法选讲》
- 吴孟周《字符串算法基础》
Border Theory的更多相关文章
- Solution Set - Border Theory
我发现写 Solution Set 就不用写每道题的题意了,岂不美哉? 首先是一些奇妙结论. 定理 1(弱周期定理) 对于字符串 \(S\),若 \(S[:p]\) 和 \(S[:q]\) ...
- 模板库 ~ Template library
TOC 建议使用 Ctrl+F 搜索 . 目录 小工具 / C++ Tricks NOI Linux 1.0 快速读入 / 快速输出 简易小工具 无序映射器 简易调试器 文件 IO 位运算 Smart ...
- An Intuitive Explanation of Fourier Theory
Reprinted from: http://cns-alumni.bu.edu/~slehar/fourier/fourier.html An Intuitive Explanation of Fo ...
- 理解CSS边框border
前面的话 边框是CSS盒模型属性中默默无闻的一个普通属性,CSS3的到来,但得边框属性重新焕发了光彩.本文将详细介绍CSS边框 基础样式 边框是一条以空格分隔的集合样式,包括边框粗细(边框宽度 ...
- css样式之border
border用法详解: 1.border-width 属性设置边框的宽度 可能的值:像素 2.border-style 属性设置边框的样式 可能的值:solid(直线),dashed(虚线),dott ...
- 通过CSS的border绘制三角形
通过css的border 可以绘制出三角形, 不同的样式组合,有着不同的效果,可以控制它的大小,颜色,方向.看下面各种图形,相信可能还有很多图形,大家都没见过. 先写出公共的样式: .border { ...
- Introduction to graph theory 图论/脑网络基础
Source: Connected Brain Figure above: Bullmore E, Sporns O. Complex brain networks: graph theoretica ...
- css3学习--border
http://blog.sina.com.cn/s/blog_61671b520101gelr.html border-radius border-radius: 50px 20px;上下都是50px ...
- border:none 和border:0区别差异
border:none与border:0的区别体现为两点:一是理论上的性能差异,二是浏览器兼容性的差异. 性能差异: [border:0;]把border设为“0”像素效果等于border-width ...
随机推荐
- 在字节跳动,一个更好的企业级SparkSQL Server这么做
SparkSQL是Spark生态系统中非常重要的组件.面向企业级服务时,SparkSQL存在易用性较差的问题,导致难满足日常的业务开发需求.本文将详细解读,如何通过构建SparkSQL服务器实现使用效 ...
- mysql事务管理和mysql用户管理
1.什么是事务? 事务是一条或者是一组语句组成一个单元,这个单元要么全部执行,要么全不执行. 2.事务特性:ACID: A:atomicity原子性:整个事务中的所有操作要么全部成功执行,要么全部失败 ...
- 揭秘华为云GaussDB(for Influx):数据直方图
摘要:本文带您了解直方图在不同产品中的实现,以及GaussDB(for Influx)中直方图的使用方法. 本文分享自华为云社区<华为云GaussDB(for Influx)揭秘第九期:最佳实践 ...
- 283. Move Zeroes - LeetCode
Question 283. Move Zeroes Solution 题目大意:将0移到最后 思路: 1. 数组复制 2. 不用数组复制 Java实现: 数组复制 public void moveZe ...
- Matplotlib的小入门
Matplotlib专门用于开发2D图表(包括3D图表),在日常数据处理中经常需要运用到它,它的用法非常多样,这里记录一些基础用法,算是一个小入门,后面如果有更复杂的画图要求,再进一步学习. 如果有需 ...
- Similarity calculation
推荐算法入门(相似度计算方法大全) 一.协同过滤算法简介 在推荐系统的众多方法之中,基于用户的协同过滤是诞最早的,原理也比较简单.基于协同过滤的推荐算法被广泛的运用在推荐系统中,比如影视推荐.猜你喜欢 ...
- MySQL数据库3
内容概要 自增特性 约束条件之外键 外键简介 外键关系 外键SQL语句之一对多关系 外键SQL语句之多对多关系 外键SQL语句之一对一关系 查询关键字 数据准备 查询关键字之select与from 查 ...
- 一个全新的Vue拖拽特性实现:“移动”部分
关于拖拽 CabloyJS提供了完备的拖拽特性,可以实现移动和调整尺寸两大类功能,这里对移动的开发进行阐述 关于调整尺寸的开发,请参见:拖拽:调整尺寸 演示 开发步骤 下面以模块test-party为 ...
- Wireshark学习笔记(一)常用功能案例和技巧
@ 目录 常用功能 1.统计->捕获属性 2.统计->协议分级 3.过滤包Apply as filter E1:过滤出特定序号的包 E2:过滤出某IP地址或端口 E3:导出php文件 E4 ...
- 基于Kubernetes v1.24.0的集群搭建(二)
上一篇文章主要是介绍了,每台虚拟机的环境配置.接下来我们开始有关K8S的相关部署. 另外补充一下上一篇文章中的K8S的changelog链接: https://github.com/kubernet ...