也许更好的阅读体验
写在前面
本篇博客主要讲一些自己的理解,不喜勿喷
发现网上的博客关于\(right\)集合只讲了如何做,没有讲清原因,于是和同学讨论了很久之后记录一下
如有没有看懂的地方或者错误的地方,欢迎提问或者指出
如有其它疑问也可提出,博主也会进行解答
本博客内容为对各种方法的理解与深入分析,所以有点部分会长了一点点
若只想知道方法,可跳过中间的思考
后缀自动机的图的理解
- \(Parent\)树上的节点与后缀自动机的节点完全一样,但是边 不一样
- 从 根节点出发,能走出所有的子串,并只能走出子串
- \(endpos\)是一个集合,表示一个串出现的所有位置,以最后一个字符所在位置为出现位置
- \(right\)集合表示\(endpos\)相同的子串的集合,一个\(right\)集合可以表示多个子串,这些子串的长度一定是连续的,并且有后缀关系,\(right\)的大小表示的就是其所表示的\(endpos\)集合的大小,即该\(endpos\)集合有多少元素
两个\(right\)的关系只有两种,要么是包含关系,要么互相独立,不会有交集
若两个串有相同的\(endpos\),那么必有一个为另一个的子串
- 一个\(right\)集合\(r1\)可以被另一个\(right\)集合\(r2\)包含,此时一定满足\(r2\)是\(r1\)的后缀
- 根据2.,我们可以在后缀自动机上从根节点开始跑,可以跑出所有子串,跑到某个点时,此时该点的\(right\)的大小,亦表示当前匹配到的这个字符串 出现次数
\(Parent\)树可由后缀自动机建出来,每个节点的\(fail\)节点所表示出的字符串一定是其后缀,因为\(fail\)节点的\(right\)集合包含该节点。
为什么?因为后缀自动机就是要建出这样的树 怎么建出来可去看其它dalao的详细讲解,本文只会讲关键意义
自动机节点的后缀表示的是以该节点为 末尾 的后缀
构建自动机
事先申明,本人打的是数组版
约定
\(\begin{aligned} &fa \rightarrow fail \\ &len \rightarrow longest\ length \\ &size \rightarrow size\ of\ right \end{aligned}\)
主串为原串的前缀,旧主串为上一个前缀加入自动机后是哪个节点
另外,\(size\)不影响构建后缀自动机,可以忽视,本文会在后面讲\(Parent\)时讲\(size\)
主要内容写在代码里,会重复上面的内容以便理解
如果觉得这里的注释太丑可将其扒下自己开编辑器看,或者到CSDN阅读,上方有链接
#include <cstdio>
#include <cstring>
const int maxn = 2000006;
const int maxc = 27;
int tot=1,last=1;//last -> 旧主串的节点
int fa[maxn],len[maxn],size[maxn];
//fa -> fail fa[x]的right集合一定包含x fa[x]一定是x的后缀
//len[x] -> x为后缀最长串长度
//size[x] -> x 号节点表示的right集合的大小
int son[maxn][maxc];//son[p][c] -> 在p所代表的集合后加c字符,该字符c是哪个节点 亦可认为是边
//1 号节点为初始节点 初始节点没有fa
//{{{构建SAM
void extend (int c)
{
int p=last,np=++tot;
last=tot,len[np]=len[p]+1;
while (p&&!son[p][c]) son[p][c]=np,p=fa[p];//跳后缀 因为是旧主串的后缀 它们全都可以加一个c
//当前p没有c,表示该子串是第一次出现,p向np连一条c边
//若当前p有c了表示后面的fa所表示的后缀有节点集合表示了以c为结尾的后缀了(因为曾经出现过),此时出现了两个以c结尾的right集合
if (!p) fa[np]=1;//表示c从未出现过 它的后缀为空
else{
//要处理这两个以c为末尾的节点
int q=son[p][c];
if (len[q]==len[p]+1) fa[np]=q;//q是新主串的后缀
else{
//即len[q]>len[p]+1
int nq=++tot;//不是新主串的后缀 因为p是新主串的后缀 而len[q]>len[p]+1且q还没被跳过(若是其后缀,按理说应该先被跳到
len[nq]=len[p]+1;//p的endpos多了个n 所以要新节点 表示由p+c得到的后缀 即nq
fa[nq]=fa[q];//nq只是endpos变多 其样子仍是原来那样 其后缀仍是原来的后缀
fa[np]=fa[q]=nq;//nq 是 q的后缀 也是新主串的后缀
memcpy(son[nq],son[q],sizeof(son[q]));
while (son[p][c]==q) son[p][c]=nq,p=fa[p];//p的后缀的endpos也多了个n
}
}
size[np]=1;//该节点right大小初值赋值为1
}
//}}}
\(right\)集合
求\(right\)集合的大小
我们知道,\(right\)在\(Parent\)树上是有各种包含关系
所以要在\(Parent\)上求\(right\)集合大小
先将主串的\(right\)集合的大小赋初值为1,该过程在构建后缀自动机时完成
一个\(right\)集合的大小即为其儿子\(right\)集合的大小的和加上其原本的大小(可能为1)
\(right\)集合没有交集,主串节点的\(right\)集合的大小就是1
只有主串表示的点能是叶子节点,但是叶子节点的\(right\)集合不仅仅表示主串上的点,且主串上的点不一定是叶子节点
为什么
两种理解
- \(Parent\)树上的边是由\(fa[i]\)连向\(i\)
新开出来的辅助节点都是别人的\(fa\),那么其一定不会是叶子节点 - 考虑任意一个子串,若其只出现一次,那么以该子串为末尾的主串(前缀)一定比它长,(它是该主串的后缀),该节点一定是主串节点
所以在构建自动机时只需将主串的\(size\)赋初值为1
那么,一个主串可以重复出现,则其就有儿子了,为什么仍然给其赋初值为1呢 - 对于字符串\(abac\),我们画一下\(Parent\)树
会发现,将一个\(right\)集合分成小\(right\)集合时,有元素丢失了(2号节点到4号节点)
这种情况为第一个字符在后面出现过的情况
考虑任意一个靠后的点的\(endpos\)集合,它的后缀的\(endpos\)集合一定被其包含,若\(endpos\)元素个数为1,那就是主串节点,不为1,则一定有儿子\(endpos\)元素比它少
只有最前面的这一个字符是没有后缀的,它的儿子中是没有\({1}\)这个集合的,也就是说少了1个元素,所以其赋初值为1没有问题 - 将上面的情况扩展,若有主串重复出现(即一个前缀在中间出现了),如\(abcab\)
不算第一个字符的那种情况,\(ab\)的\(right\)集合的儿子里又丢失了\({2}\)
上面的情况是因为其没有后缀,而该种情况则为,其后缀的\(right\)集合要么是它的父亲,要么和它相同
于是就丢失了它第一次出现的位置
所以给主串赋初值为1是正确且必须的
所以我们要做的就是,先建出\(Parent\)树,然后在上面跑一次\(dfs\)
当然,我们也可以直接递推,因为是\(DAG\),所以可以拓扑的去计算,即由儿子算父亲,长度越大自然在\(Parent\)树上就处于越下面的位置,所以按照长度从大到小排序,这一步可以选择\(sort\),也可以基数排序
\(\mathcal{Code}\)
![](/qrcode.jpg)
for (int i=2;i<=tot;++i) add(fa[i],i);//因为根节点没有fa,所以要从2开始枚举,当然也可以设根节点为0,那么还得给根节点的fa赋初值为-1,上面特判也得改一下
dfs(1);
void dfs (int p)
{
for (int e=head[p];e;e=nxt[e]){
dfs(to[e]);
size[p]+=size[to[e]];
}
}
//基数排序 常数较小
for (int i=1;i<=tot;++i) ++cup[len[i]];
for (int i=1;i<=n;++i) cup[i]+=cup[i-1];
for (int i=1;i<=tot;++i) mp[cup[len[i]]--]=i;
for (int i=1;i<=tot;++i) size[fa[i]]+=size[i];
\(right\)集合的理解
\(right\)集合个人认为很神奇
我们会发现,\(right\)集合的大小仅由主串节点更新,遇到主串节点时其\(size\)就会加1
换句话说,一个节点\(right\)集合的大小等于其子树(包括它自己)中,有多少个节点是主串节点
这句话该怎么理解
- 一个子串一定是一个主串(前缀)的后缀
- 每个主串(前缀)不相同
那么 一个节点的\(right\)集合大小等于该串是多少个前缀的后缀
所以,在\(Parent\)树上一个节点的\(right\)集合的大小亦可表示为
\(endpos\)为该\(right\)集合所对应的\(endpos\)集合的串是多少个前缀的后缀
亦可表示该子树中有多少个主串节点
后缀自动机的应用
判断是否是子串
根据2.
从 根节点出发,能走出所有的子串,并只能走出子串
在后缀自动机上从根节点出发跑一遍即可
Trie树又被吊打了
不同子串个数
这个有两种方式
我们知道可能有多个字符串共用一个\(right\),这些串的长度肯定不一样,一样就是相同串了,那么我们用\(len[i]-len[fa[i]]\)即可得出该\(right\)集合是几个串共用的,对每个结点都这么求一次,总数便是不同子串个数
即要求\(\sum_{i=1}^{tot}(len[i]-len[fa[i]])\)考虑\(DP\),根据上面 2. ,我们可以从根节点出发,把整个后缀自动机都跑一边,每遇到一个结点就给答案加一
若该不同子串有这样的定义
位置不同的相同子串算不同子串
我们就可考虑7.
根据2.,我们可以在后缀自动机上从根节点开始跑,可以跑出所有子串,跑到某个点时,此时该点的\(right\)的大小,亦表示当前匹配到的这个字符串 出现次数
先求出每个\(right\)的大小,每遇到一个结点给答案加\(size\)即可
第K小子串
把从该节点出发还有多少子串记录下来,然后向\(Splay\)那样跑即可
ll dfs (int x)//先处理出还有多少子串
{
if (num[x]!=-1) return num[x];
num[x]=size[x];
for (int i=1;i<=26;++i)
if (son[x][i]) num[x]+=dfs(son[x][i]);
return num[x];
}
void kth (int x,ll k)//求第k小
{
if (k<=size[x]) return;
k-=size[x];
for (int i=1;i<=26;++i){
if (son[x][i]){
if (k<=num[son[x][i]]){
printf("%c",i+'a'-1);
kth(son[x][i],k);
return;
}
else k-=num[son[x][i]];
}
}
}
求第\(k\)大只需把循环改为从\(26\)向\(1\)枚举即可
最小循环移位(最小表示法)
用最小表示法既简单代码又短,用什么后缀自动机
我们将\(s+s\)的后缀自动机建出
然后就是要找一个最小的长度为\(|s|\)的子串了
同上方代码...
就讲这么多吧
这么辛苦写了好几天(写了一半发现有新问题于是又想了两天)
给个赞吧