SAM
后缀自动机可以存储某一个字符串的所有子串。
一、概念
下图是一个 **字符串
"aababa"
** 的 后缀自动机。
上图中的 黑色边 称 转移边,绿色边 称 链接边。
从根节点沿转移边所走的路径对应一个子串。
根节点表示空串,其他节点 表示 同类子串 的 集合。(同类子串 是指 末尾字母、结束位置相同的子串)
- 解释:上图中,绿色边与节点 构成一棵树(之后再解释),黑色边与节点 构成一张有向无环图,以
6
号点 为例,共有3
条路径 可以 到达6
号点,即6
号点代表3
个不同的子串(表示 子串的集合) - 例如 上图中的节点代表集合: ② =
{ a }
③ ={ aa }
④ ={ aab }
⑤ ={ aaba }
⑥ ={ aabab,abab,bab }
⑦ ={ ab,b }
⑧ ={ aababa,ababa,baba}
⑨ ={ aba,ba }
- 发现:同一集合 中的 所有字符串,末尾字母相同,且结束位置相同。(“同类子串集合” 含义),如对于 ⑦ 集合 来说,**
endpos("ab") = endpos("b") = { 3,5 }
**
二、构建后缀自动机
构建后缀自动机 的过程是一个 动态的过程,也就是 一个一个节点的插入,两类边(转移边,链接边)交替构建。过程中应当 **维护
3
个数组**:
ch[x][c]
:存 节点x
的 转移边的终点。例:**ch[1][b] = 7, ch[2][b] = 7
**(从上图中 ①、② 节点 沿着b
这条边 能走到 ⑦ 这个 终点)fa[x]
:存 节点x
的 链接边的终点。例:**fa[7] = 1,fa[6] = 7
**(从上图中 ⑦ 节点 沿着绿边 能走到 ① 这个 终点)len[x]
:存 节点x
的 最长串的长度。例:**len[6] = 5,len[7] = 2
**(⑥ 号点所代表的字串中 **最长串的长度为5
**)
三、建后缀链接树
构建后缀自动机的目的 并不是在图上进行匹配,而是从图中抽离出 绿色的链接边,构建出一棵树。仔细观察上图,我们发现,每个节点有且只有一条绿色链接边指向其父节点,因此我们可以构造如下图的一棵树,我们称之为 “后缀链接树”:
这棵树有什么 特点?
- 树上节点 表示 同类子串 及其 结束位置 的 集合。(我们将图上的信息完全转移到了这棵树上)
其 合法性:子节点 的 最短串 的 最长后缀 = 父节点 的 最长串,
- 如树中的 ⑥ 号节点 **最短串为
“bab”
**,它 **不包括自身的最长后缀是“ab”
**,恰好等于 **其父节点 ⑦ 号节点的 最长串“ab”
**。同样,对于 ⑦ 节点,其 **最短串是“b”
**,它 不包括自身的最长后缀为 空,恰好等于 根节点 ① 的最长串 空。
还可以 发现,从 叶节点往上一直走到根节点 的过程中,字符串的长度 是 递减的,且除了 空 之外,字符串 末尾字母相同,
既然树上存储子串有这些 性质和规律,那我们就可以利用它们来 解决一些问题:
- 节点的子串长度:最长
len[6] = 5
,最短len[6] - len[7] = 3
(对于 最短串长度,我们可以在 遍历的过程中,找出 当前节点 及其 父节点****最长串 长度,二者作差即为当前节点最短串长度) - 节点的子串数量:**
len[6] - len[7] = 3,len[7] - len[1] = 2
** (与求当前节点最短串的长度做法一致,将当前节点及其父节点最长串长度作差即可) - 子串的出现次数:**
cnt[4] = 1,cnt[6] = 1,cnt[7] = 2
** (上面画的这棵树中,节点旁边的 蓝色数字 代表着 节点代表字符串出现的位置,如 ⑥ 号节点,其代表的所有字符串都 只在5
位置出现一次,④ 也是如此,而 ④、⑥ 节点的父节点 ⑦ 对应的“ab”
、“b”
两个串 同时 在3、5
位置出现,也就是对应出现了 两次,而且我们发现 ⑦ 对应的次数 恰好是 其两个儿子 ④、⑥ 次数之和)
四、构建后缀自动机的具体步骤(
extend
函数)
所有步骤 必须 满足上文所说的 “合法性”,这样一来才方便 抽离链接树并进行统计。
我们使用 **变量
tot
为节点进行编号,根节点** 为 **
1
号点,指针
np
** 总是 指向最末创建的节点,也是 从根节点开始(根节点 默认,无需创建)
inttot=1,np=1;
接下来就是 **
3
个数组**,
//fa链接边终点,ch转移边终点,len最长串长度intfa[N],ch[N][26],len[N];
传入 **
extend
函数** 中的 参数 是一个 **偏移量
c
(
0 ~ 25:a ~ z
**,认为 传入的是一个字符)
构建的关键是 **
4
个指针**:
p
:动态回跳指针,**np
:固定指向 新点指针,q
:固定指向 链接点,nq
**:指向 新链接点。
先是 构建 “前奏”:若 **
ch[p][c]
不存在(
p
指向的旧点 沿字符
c
没有可以走到的终点**),就 **从
p
(旧点)向
np
(新点)建 转移边。**
intp=np;np=++tot;//p指向旧点,np是新点len[np]=len[p]+1;cnt[np]=1;//子串出现次数//p沿链接边回跳,从旧点向新点建转移边while(p&&!ch[p][c]){ch[p][c]=np;p=fa[p];}
如果 **退出
for
时
p = 0
**,说明 **
c
是个新字符**,从 新点 向 根节点 建链接边
if(!p)fa[np]=1;//1号为根节点
如果 **退出
for
时
p > 0
**,说明 **
ch[p][c]
存在(
p
指向的旧点 沿字符
c
存在可以走到的终点**),令 **
q = ch[p][c]
**
- (1) 若
p
与q
的距离= 1
,合法,则 从np
向q
建链接边。 - (2) 若
p
与q
的距离> 1
,不合法,则 裂开q
,从np
向nq
建链接边。
else{//如果c是旧字符intq=ch[p][c];//q是链接点//2.若链接点q合法,从新点向q建链接边if(len[q]==len[p]+1)fa[np]=q;//3.若链接点q不合法,则裂开q点,重建两类边else{intnq=++tot;//nq是新链接点,是给新点找到的一个合法的父亲len[nq]=len[p]+1;//重建nq,q,np的链接边fa[nq]=fa[q],fa[q]=fa[np]=nq;//指向q的转移边改为指向nqwhile(p&&ch[p][c]==q){ch[p][c]=nq;p=fa[p];}//从q发出的转移边复制给nqmemcpy(ch[nq],ch[q],sizeofch[q]);}}
分析一下 构建过程中 变量的变化:(红色 标识 初始位置,绿色 标识 回跳后的位置)
p
:动态回跳指针,**np
:固定指向 新点指针,q
:固定指向 链接点,nq
:指向 新链接点 对于上面 插入4
个字符过程中,链接点q
都是合法的**,
而对于下方 **插入第
5
个字符
b
时,
p = 5
,
np = 6
**,就出现不合法的情况了,
我们首先统计一下 ② ~ ⑥ 号节点所代表的字符串集合:
我们将目光放到 ④ 和 ⑥ 节点,对于新点 ⑥,我们应该找 **其集合中的最短串的最长后缀(
"ab"
)**,显然 只有 ④ 节点包含,但是 ④ 节点 并不合法,因为 **其中包含的子串
"ab"
并不是最长的,因此 不满足合法性(无法构造** 后缀 链接树),
怎么办呢?这时候我们就要 将 ④ 号非法链接点裂开,
也就是从这种情况
转变为:
不难发现此时已经 增加了一个合法的链接点 ⑦,接下来就要进行一些 建边操作(共三步,可以与代码相对照理解)
(1)**更改
fa
链接边**,三步走:(观察 裂点前后,两图 边的变化)
- 将 新链接点
nq = 7
指向q = 4
的父节点:**fa[7] = 1;
** - 将
q = 4
节点 和 新裂开的nq = 7
节点 链接:**fa[4] = 7;
** - 回到 一开始的目的,给新点找一个 合法链接点:
fa[6] = 7;
//重建nq,q,np的链接边fa[nq]=fa[q],fa[q]=fa[np]=nq;
(2)**
for
循环更改
ch
转移边**:由于 ④ 号节点现在只代表 **字符串
"aab"
** 了,因此 原来从 ② 连接到 ④ 和从 ① 连接到 ④ 的边必须要改变指向,具体指向为 新的节点 ⑦。对应上图:**
ch[2][b] = 7, ch[1][b] = 7;
**(观察 裂点前后,两图 边的变化)
//指向q的转移边改为指向nqwhile(p&&ch[p][c]==q){ch[p][c]=nq;p=fa[p];}
(3)创建 从新链接点连出的转移边(有进有出),**复制即可:
cpy:ch[7][a] = 5;
**(观察 裂点前后,两图 边的变化)
//从q发出的转移边复制给nqmemcpy(ch[nq],ch[q],sizeofch[q]);
按照下面的 模型 可以方便理解记忆代码:
下面 不合法的过程 可在纸上模拟:
注意:
- 可以证明,长度为
n
的字符串,最多会建2n - 1
个点和3n - 4
条边。例如abb…bb
。 - 时间和空间复杂度都是
O(n)
- 建链接树时,点和边都开
2n
的空间 - 节点
7
和9
是为了 满足子串集合链接的合法性 而创建的,并没影响子串的出现次数,所以cnt[7,9] = 0
**
SAM
重点:**
**代码板子:(
extend
函数)**
voidextend(intc){intp=np;np=++tot;len[np]=len[p]+1,cnt[np]=1;while(p&&!ch[p][c]){ch[p][c]=np;p=fa[p];}if(!p){fa[np]=1;}else{intq=ch[p][c];if(len[q]==len[p]+1)fa[np]=q;else{intnq=++tot;len[nq]=len[p]+1;fa[nq]=fa[q],fa[q]=fa[np]=nq;while(p&&ch[p][c]==q){ch[p][c]=nq;p=fa[p];}memcpy(ch[nq],ch[q],sizeofch[q]);}}}
例题【模板】后缀自动机 (SAM)
题目描述
给定一个只包含小写字母的字符串
S
S
S。
请你求出
S
S
S 的所有出现次数不为
1
1
1 的子串的出现次数乘上该子串长度的最大值。
输入格式
一行一个仅包含小写字母的字符串
S
S
S。
输出格式
一个整数,为所求答案。
样例 #1
样例输入 #1
abab
样例输出 #1
4
提示
对于
10
%
10 \%
10% 的数据,
∣
S
∣
≤
1000
\lvert S \rvert \le 1000
∣S∣≤1000。
对于
100
%
100\%
100% 的数据,
1
≤
∣
S
∣
≤
10
6
1 \le \lvert S \rvert \le {10}^6
1≤∣S∣≤106。
思路:
构建后缀自动机,之后再后缀链接树上用深度优先遍历进行统计。
代码:(板子)
#include<bits/stdc++.h>usingnamespacestd;//#definemapunordered_map//#defineintlonglongconstintN=1e6+10;typedeflonglongll;chars[N];inttot=1,np=1;intfa[N<<1],ch[N<<1][26],len[N<<1];llcnt[N<<1],ans;vector<int>g[N<<1];voidextend(intc){intp=np;np=++tot;len[np]=len[p]+1,cnt[np]=1;while(p&&!ch[p][c]){ch[p][c]=np;p=fa[p];}if(!p){fa[np]=1;}else{intq=ch[p][c];if(len[q]==len[p]+1)fa[np]=q;else{intnq=++tot;len[nq]=len[p]+1;fa[nq]=fa[q],fa[q]=fa[np]=nq;while(p&&ch[p][c]==q){ch[p][c]=nq;p=fa[p];}memcpy(ch[nq],ch[q],sizeofch[q]);}}}voiddfs(intu){for(autov:g[u]){dfs(v);cnt[u]+=cnt[v];}if(cnt[u]>1)ans=max(ans,cnt[u]*len[u]);}signedmain(){scanf("%s",s);for(inti=0;s[i];++i){extend(s[i]-'a');}for(inti=2;i<=tot;++i){g[fa[i]].push_back(i);}dfs(1);cout<<ans<<'\n';return0;}
版权归原作者 Morgannr 所有, 如有侵权,请联系我们删除。