最近感觉自己越来越蒟蒻了……后缀数组不会,费用流不会……
看着别人切一道又一道的题,我真是很无奈啊…… 然后,我花了好长时间,终于弄懂了后缀数组。后缀数组是什么?
后缀SASASA数组
给你一个字符串,让你将每个后缀排序,就是一个后缀数组。
比如,字符串为ababa
,就会搞出一个这样的东西: aabaabababababaSA={4,2,0,3,1};
其中,每个后缀用开始的位置来表示。
rankrankrank数组
相当于逆着的SASASA,rank[sa[i]]=irank[sa[i]]=irank[sa[i]]=i
#后缀数组怎么求?方法一:O(N3)O(N^3)O(N3)暴力
打个选择排序,每次比较用O(N)O(N)O(N)的方法。
当然,这样的暴力出不了奇迹。方法二:O(N2lgN)O(N^2\lg N)O(N2lgN)快排
仅仅是将选择排序变成快排罢了。
##方法三:倍增倍增1.0
这就是本文的重点了!!!
想想其它的倍增是怎么做的,再想想字符串怎么倍增。 首先,给每个字符赋一个排名,像这样:'a'->1'b'->2
现在rank={1,2,1,2,1}
倍增2.0
然而,这不是倍增的极限。
可以用基数排序进一步地优化!!! 什么是基数排序,基数排序怎么打,请百度一下(基数排序可以用一维的数组来打,具体看代码实践)。 在此,我有意提醒的是,你可以将数看做一个m进制,在倍增合并两个数时,可以将其看做m进制的两位数,然后对它进行基数排序。 这样就有O(NlgN)O(N\lg N)O(NlgN)的时间复杂度了。 具体见代码。DC3算法
笔者暂时不会……
后缀数组怎么打?
后缀数组其实是比较好理解的,但是,为了追求完美,我们不应光靠自己的理解打模板。
因为自己打的有时会非常丑陋…… 看了,理解的网上的标,综合我自己的风格,就打出了个这样的标:int y[2000003],ws[2000003],wv[2000003];void getSA(char s[],int rank[],int sa[],int n,int m){ memset(ws,0,sizeof(int)*m); memset(y,255,sizeof y); memset(rank,255,sizeof rank); for (int i=0;i=0;--i) sa[--ws[rank[i]]]=i; for (int i=1;p <<=1,m=p) { p=0; for (int j=n-i;j =i) y[p++]=sa[j]-i; for (int j=0;j =0;--j) sa[--ws[wv[j]]]=y[j]; swap(rank,y); p=1; rank[sa[0]]=0; for (int j=1;j
这就是网上通常的打法,当然,风格会有些不一样……
是不是看了后,一头雾水? 别急,慢慢解释。 首先说一下,在这个程序中,rankrankrank取值是在[0,n)[0,n)[0,n)范围内的,和上面那张图不一样!memset(ws,0,sizeof(int)*m); memset(y,255,sizeof y); memset(rank,255,sizeof rank); for (int i=0;i=0;--i) sa[--ws[rank[i]]]=i;
前面三行赋初值。
这是处理最开始的rankrankrank和sasasa,也就是还没有合并时。wswsws数组是一个桶,用于辅助基数排序。 注意第三行rank[i]=s[i]
。我们在实践的时候一开始不需要将真正的排名弄出来,我们只需知道它们的相对大小。而sis_isi作为单个字符,是可以表示它们的相对大小的。 其它就没什么了,要理解好一维的基数排序! for (int i=1,p=1;p<<=1,m=p)
iii表示的是对于一个位置jjj,在这一轮中要用jjj和j+ij+ij+i合并。
ppp表示不同的字符串的个数,初值设为111是为了循环条件p<np<np<n,显然1≥n1\geq n1≥n时就没必要做了。 为什么循环条件是p<np<np<n呢?因为我们发现,最后的rankrankrank数组一定是一个范围在[0,n)[0,n)[0,n)的排列。 所以ppp顶多为nnn,想想,当p=np=np=n时,那么其实已经排好序了,没必要再做下去,比如,可以看看上面那张图,可以发现最后一轮是没有必要的。mmm表示的也是不同字符串的个数,只是因为在下面ppp要被用作计数器罢了。p=0; for (int j=n-i;j=i) y[p++]=sa[j]-i;
当初我看得最久的是这一段……
这其实是一个小优化。yyy是一个临时的rankrankrank数组。 在合并后,其实第二关键字可以通过上一次的sasasa数组求出。 先看看二、三行。显然,[n−i,n)[n-i,n)[n−i,n)这段区间内,如果要和后面的合并,只能补000,应该说是补−1-1−1,因为rankrankrank数组在这个程序中的取值是[0,n)[0,n)[0,n)。−1-1−1一定是最小的,所以先把它们排在前面。 然后看倒数三行,这个就比较难理解了。 对于位置jjj,在这一轮中会对j−ij-ij−i有影响,所以说,j−i≥0j-i \geq 0j−i≥0 因为sasasa是有序的,所以我们顺序枚举sajsa_jsaj,将其中满足以上条件的加入yyy中。for (int j=0;j=0;--j) sa[--ws[wv[j]]]=y[j];
这一段的作用就是以第一关键字来进行一次基数排序,和上面的那个一样的道理。
swap(rank,y); p=1; rank[sa[0]]=0; for (int j=1;j
ppp起到计数器的作用。
重点是最后一行y[sa[j-1]]==y[sa[j]] && y[sa[j-1]+i]==y[sa[j]+i]
这是在比较saj−1sa_{j-1}saj−1和sajsa_jsaj是否相等。如果相等,那么rankrankrank值应该要一样(不过注意,到最后时rankrankrank值一定是不同的!) 网上的标这样比较,就不怕爆掉吗?对此,我很不理解,只是开了两倍的数组来解决这个问题。 关于LCP
一些概念
LCP(i,j)LCP(i,j)LCP(i,j)表示suffix(i)suffix(i)suffix(i)和suffix(j)suffix(j)suffix(j)的公共最长前缀。
height(i)=LCP(SA[i−1],SA[i])height(i)=LCP(SA[i-1],SA[i])height(i)=LCP(SA[i−1],SA[i]) 很明显,若ranki<rankjrank_i<rank_jranki<rankj,则LCP(i,j)=mink∈(ranki,rankj]heightkLCP(i,j)=\min_{k\in \left(rank_i,rank_j \right]}{height_k}LCP(i,j)=k∈(ranki,rankj]minheightk如何求heightheightheight?
首先,我们要知道一个性质:
设hi=heightrankih_i=height_{rank_i}hi=heightranki,也就是suffix(i)suffix(i)suffix(i)与它前一名的最长公共前缀。 那么hi≥hi−1−1h_i\geq h_{i-1}-1hi≥hi−1−1 证明: 设suffix(k)suffix(k)suffix(k)表示suffix(i−1)suffix(i-1)suffix(i−1)前一名的后缀,hi−1h_{i-1}hi−1即是它们的最长公共前缀。 当hi−1≤1h_{i-1} \leq 1hi−1≤1时,显然等式成立。 当hi−1>1h_{i-1} >1hi−1>1时,可以发现suffix(k+1)suffix(k+1)suffix(k+1)和suffix(i)suffix(i)suffix(i)的公共后缀至少为hi−1−1h_{i-1}-1hi−1−1。可以画张图理解一下。 所以,综上,hi≥hi−1−1h_i\geq h_{i-1}-1hi≥hi−1−1 利用这个性质,我们可以在O(N)O(N)O(N)的时间内求出heightheightheight数组代码
void getheight(char s[],int rank[],int sa[],int height[]){ for (int i=0,k=0;i
其实不必真正地构出个hhh数组。
其它
建议数组从111开始,或者将rankrankrank及辅助数组yyy初值设为−1-1−1,因为在比较时,后面的要补000(或−1-1−1),我就因为这样调了很久……(被罗穗骞大佬的论文坑了)