定义
$sa[i]$:字典序第$i$小的后缀(suffix array
)
$ra[i]$:后缀$str[i...n]$在$sa$中的下标(rank
)
思路
假定字符串长度为$n$,它必然是一个2的幂(不足就认为后面是空)
后缀数组$sa[i]$可认为是长为$n$的情况下字典序第$i$小的子串$sa_n[i]$(不足就认为后面是空)
它可以通过长度为$n/2$的字典序$sa_{n/2}[i]$(以及当前的$ra$)的所有情况来$O(1)$判断得出
(也就是说对于$str[i,i+2^j)$可通过$str[i,i+2^{j/2})$和$str[i+2^{j/2},i+2^j)$的关键字组合得出)
因此$sa[i,n]$的集合可通过$sa_1[i],sa_2[i],sa_4[i] \dots sa_{n/2}[i]$各个集合来倍增递推得出
所以倍增法的最优实现复杂度是$O(nlogn)$
(当前介绍的具体实现是基于快排的$O(nlog^2n)$)
具体过程
举个例子
$str=ababaaab$
$n = 8$
我们认为最小的合法字典序为0,空子串的字典序为-1
通过自下而上的先从$ra_0[i]$算起
其中横坐标代表$i$,空使用$X$来表示
每一次迭代的$str$是表示$str[i,i+2^j)$的字串
(比如$j=2$时的$str$中从0数起第5个串表示为$aabX$,既$str[5,9)$)
我们保证不可能存在$ra$出现第一关键字为-1的情况
j = 0
[str] a b a b a a a b
[ra0] 0 1 0 1 0 0 0 1
j = 1
[str] (a,b) (b,a) (a,b) (b,a) (a,a) (a,a) (a,b) (b,X)
[ra0] (0,1) (1,0) (0,1) (1,0) (0,0) (0,0) (0,1) (1,-1)
[ra1] 1 3 1 3 0 0 1 2
j = 2
[str] (ab,ab) (ba,ba) (ab,aa) (ba,aa) (aa,ab) (aa,bX) (ab,XX) (bX,XX)
[ra1] (1,1) (3,3) (1,0) (3,0) (0,1) (0,2) (1,-1) (2,-1)
[ra2] (4) (7) (3) (6) (0) (1) (2) (5)
j = 3
[str] (abab,aaab) (baba,aabX) (abaa,abX) (baaa,bX) (aaab,X) (aabX,X) (abX,X) (bX,X)
[ra2] (4,0) (7,1) (3,2) (6,5) (0,-1) (1,-1) (2,-1) (5,-1)
[ra3] (4) (7) (3) (6) (0) (1) (2) (5)
(其实可以看出,当第一关键字互不相同时,已经不需要再多余递推下去了,这种优化策略在大量随机串很大幅度提高效率,比如$str = hfkdjfhkjsfhdksja$只需计算一遍)
如果需要倍增法最优的实现,可参考国家集训队大佬给出的基数排序版本
也有$O(n)$实现的SA-IS算法,不过我没了解过
定义2
我们为$sa$数组衍生另外两个定义
$hgt[i]$:后缀$str[sa[i]...]$与$str[sa[i-1]...]$的最长公共前缀(height
)
$LCP(i,j)$:后缀$str[sa[i]...]$和$str[sa[j]...]$的最长公共前缀
思路2
设$j=sa[ra[i]-1]$
当依次计算$str[i...]$和$str[j...]$(对应$i$在$sa$数组上的前一个后缀)
如果已经得知$h[i]=hgt[ra[i]]$(表明$str[i]$和$str[j]$的最多前$h[i]$个字符相同)
而对比之下$str[i+1]$和$str[j+1]$则分别对应于前面砍掉了首字符,所以至少前$h[i]-1$个字符相同,$h[i+1] \ge h[i]-1$,对于该串只需从下标$h[i]-1$开始判断即可
因此求出$hgt$数组的复杂度是$O(n)$
如果对于两个串$str[i...]$和$str[j...]$且满足$ra[i] < ra[j]$
由于$i$和$j$排名不相邻(相邻就直接是$hgt$了,其结果肯定不会比$sa$当中对应$i$到$j$的$hgt$更优
由$hgt$的传递性可以得出结论
$LCP(i,j) = min(hgt[ra[i]+1],hgt[ra[i]+2],...,hgt[ra[j]])$
这一部分用$RMQ$预处理后即可$O(1)$求解任意$LCP(i,j)$
举例2
ababaaab
h[i] str[i] str[j]
3 ababaaab abaaab
2 babaaab baaab(注意这和上一个str[j+1]没有关系)
2 abaaab ab
1 baaab b
0 aaab
2 aab aaab
1 ab aab
0 b ababaaab
完成版
#include<bits/stdc++.h>
#define fast_io() do{ios::sync_with_stdio(0); cin.tie(0); cout.tie(0);}while(0)
#define print(a) printf("%a",(ll)(a))
#define printbk(a) printf("%lld ",(ll)(a))
#define println(a) printf("%lld\n",(ll)(a))
#define rep(i,j,k) for(int i = (j); i <= (k); ++i)
#define rrep(i,j,k) for(int i = (j); i >= (k); --i)
#define erep(i,u,v) for(int i = head[u], v = to[i]; ~i; v = to[i = nxt[i]])
#define mod(a,b) (((a)%b+b)%b)
#define int int_fast32_t
using namespace std;
using ll = long long;
const int MAXN = 1e5+11;
struct SA {
string str;
int n;
vector<int> sa,ra,tmp,hgt;
void build(const string &s,bool lcp = false) {
str = s;
n = s.length();
sa = ra = tmp = vector<int>(n);
for(int i = 0; i < n; i++) {
sa[i] = i;
ra[i] = str[i];
}
auto k = 0;
auto cmp = [&](int i,int j) -> bool {
if(ra[i] != ra[j]) return ra[i] < ra[j];
int ri = i+k < n ? ra[i+k] : -1;
int rj = j+k < n ? ra[j+k] : -1;
return ri < rj;
};
for(k = 1; k <= n; k <<= 1) {
sort(sa.begin(),sa.end(),cmp);
tmp[sa[0]] = 0;
for(int i = 1; i < n; i++) {
tmp[sa[i]] = tmp[sa[i-1]]+cmp(sa[i-1],sa[i]); // 依靠ra的结果,不能覆盖
}
auto flag = false;
for(auto i = 0; i < n; i++) {
ra[i] = tmp[i];
if(ra[i] == n-1) flag = true; // opt
}
if(flag) break; // opt
}
if(!lcp) return;
hgt = vector<int>(n);
int h = 0;
for(int i = 0; i < n; i++) {
if(ra[i]-1 < 0) { // 有溢出风险
hgt[ra[i]] = h = 0;
continue;
}
int j = sa[ra[i]-1];
if(h) h--;
for(int t=max(i,j); t+h < n; h++) {
if(str[i+h]!=str[j+h]) break;
}
hgt[ra[i]] = h;
}
}
}sa;
int32_t main() {
fast_io();
string s;
cin >> s;
sa.build(s,1);
for(int i = 0; i < sa.str.length(); i++) {
cout << sa.hgt[sa.ra[i]] << " ";
cout << sa.str.substr(i) << " " << (sa.ra[i]-1 < 0 ? " " : sa.str.substr(sa.sa[sa.ra[i]-1])) << endl;
}
return 0;
}
Q:如何验证你的算法正确性?