后缀自动机(SAM)速成手册！

时间 2020-05-21

标签后缀自动机 sam 速成手册繁體版

原文原文链接

正好写这个博客和个人某个别的需求重合了。。。我就来说一讲SAM啦qwqhtml

后缀自动机，也就是SAM，是一种极其有用的处理字符串的数据结构，能够用于处理几乎任何有关于子串的问题，但以学起来异常困难著称（在机房里，最早学会SAM的永远是大佬（好比litble和zyf（他在退役前就学了）））。算法

可是！！！当你学了SAM并熟练地刷了几道题后，你会发现——你以前为了学SAM而强行理解的许多定理，对你应用SAM一点用处也没有！为了引出构造算法，几乎全部博客都会详细地解释“你为啥要这样作”，然鹅。。。数组

SAM彻底能够当成黑盒来用！！！！！！ 数据结构

因此我打算写一篇SAM速成博客。。。保证即学即会！学习

在构建以前你不得不知道的

Warning：想完全理解后缀自动机吗？那你有好消息了！请当即关闭此页面，在百度里搜索“后缀自动机陈立杰”，开始愉快的学习吧！（讲真，陈老师的ppt是讲的最好的，别的博客无能出其右者）spa

SAM是一个DAG（有向无环图），每一个点表明一个**"状态"**，边表明状态转移，边上有一个字母。SAM有一个起始状态（称为起点），从起点开始，沿着边不断走下去，就能够获得一个字符串。记当前停留节点为$x$，走出来的字符串为$S$，称节点$x$可表明字符串$S$。记$x$可表明的串中长度最长的串的长度为$len(x)$。指针

另外，除起点外的每一个节点还拥有一个**“后缀连接“**，记做$fa(x)$。后缀连接组成了一棵树，别的性质在构建完以后再讲。code

存储SAM利用的是相似于Trie树的存储结构，即便用$ch[][26]$数组保存状态转移的边。htm

知道了这些，构建SAM的工做就能够开始了。blog

开始建造后缀自动机

准备工做：创建数组$ch,fa,len$，准备指针$last,cnt$。SAM的构造方法是不断地向已经建好的SAM中加入新的节点。$last$表示上一个被插入的节点，$cnt$表示SAM中的节点数量。一开始，$last=cnt=1$，表示只有一个起点的初始SAM。

接下来，假设要往SAM里加入一个字符$x$。

新建节点$np=++cnt$。新建节点$p$。$p=last$。$ last=np$。
若是不存在$ch[p][x]$，令$ch[p][x]=np,p=fa[p]$。重复此步骤。
若是到最后尚未一个$p$拥有儿子$x$，令$fa[np]=1$。退出过程。
当$ch[p][x]$出现时，令$q=ch[p][x]$。若是$len[q]==len[p]+1$，令$fa[np]=q$。退出过程。
不然有点麻烦。新建节点$nq=++cnt$，将$q$的儿子都复制给$nq$，令$len[nq]=len[p]+1$。
令$fa[nq]=fa[q],fa[q]=fa[np]=nq$。
从$p$开始沿着后缀连接，将全部$ch[p][x]==q$的节点的$ch[p][x]$都替换成$nq$。

将你的字符串的全部字符都一一进行如上操做后，你就获得了用你的字符串构建出来的SAM。

你不须要知道为何这么操做能够获得SAM，你只须要记下如下的代码，作几道题强化记忆，而后就能够用SAM的性质来秒题了。

void insert(int x)
{
    int np=++cnt,p=last;
    len[np]=len[p]+1,last=np;
    while(p&&!ch[p][x])ch[p][x]=np,p=fa[p];
    if(!p)fa[np]=1;
    else
    {
        int q=ch[p][x];
        if(len[q]==len[p]+1)fa[np]=q;
        else
        {
            int nq=++cnt;len[nq]=len[p]+1;
            memmove(ch[nq],ch[q],sizeof(ch[nq]));
            fa[nq]=fa[q],fa[np]=fa[q]=nq;
            while(ch[p][x]==q)ch[p][x]=nq,p=fa[p];
        }
    }
}

后缀自动机的奇妙性质

如今，你已经拥有SAM了，你须要知道它有什么用。这里列举了SAM的一些基本且经常使用的性质。

请牢记如下每一条内容！都十分有用！不要去问“为何是这样的”！（若是必定要问，请参照上文蓝色放大的Warning）

首先，SAM的点数与边数都是$O(n)$的。记住，因为每次插入最多新建两个点，因此应该开字符总量两倍的空间。计算空间时别忘了你开了26倍的$ch$数组。

在SAM上从起点开始沿着边随便走走，获得的必定是子串。同时，每个子串均可以在SAM上走出一条惟一对应的路径。也就是说，子串和SAM上从起点开始的每一条路径一一对应。路径数等于子串数。

起点能够看作是表明空串的点。

重点：定义子串的$right$集合：这个子串在原串中全部出现的位置的右端点的集合。

好比说：AAAABBAAAAABAAABBAA

子串AAB出现了3次，右端点集合为${5,12,16}$。这就是子串AAB的$right$集合。

一个节点可以表明的全部子串的$right$集合是同样的。$right$集合相等的子串必定被同一个节点表明。（因此，咱们会使用“节点的$right$集合”这个说法。）两个节点的$right$集合之间要么真包含，要么没有交集。若节点$y$的$right$集合包含了节点$x$的$right$集合，那么$y$能表明的子串均为$x$能表明的子串的真后缀。

重点：定义节点$x$的后缀连接$fa(x)$：若是有一些节点的$right$集合包含了$x$的$right$集合，$fa(x)$是其中$right$集合的大小最小的那一个。

后缀连接们组成了一棵“后缀连接树”（不是后缀树）。后缀连接树的根为起点。若节点$y$的$right$集合包含了节点$x$的$right$集合，那么$y$在后缀连接树上是$x$的祖先。

一个节点的$right$集合等于他在后缀连接树上的全部儿子的$right$集合的并集。并且儿子的$right$集合之间两两没有交集。

每一个节点能表明的子串的长度范围是一段连续的区间。这很好理解，由于它们的结束位置都是相同的。

咱们求出每一个节点能表明的最长串的长度（即$len(x)$）了，那最短长度呢？其实就等于后缀父亲节点的$len+1$。也就是说，全部本质不一样的子串的数量等于$\sum len(x)-len(fa(x))$。

总结

以上就是SAM的基本性质~对于一道特定的题，你可能须要经过上面的性质推出你须要的新性质。若是你还有什么疑问能够向我留言，我（在退役前）会在一天以内回复的！（你也能够去问更强的boshi和litble，别去问zyf由于他已经退役了。）

题单我就不给了，由于网上有不少不少。。。

固然，若是你立志要当大佬。。。那赶忙打开陈立杰的ppt吧=。=

感谢您的观看qwq！

原文出处：https://www.cnblogs.com/sclbgw7/p/10197629.html