标签：sam SAM 后缀 len 学习 笔记 节点 endpos
目录后缀自动机
基本定义
后缀自动机 (SAM) 是一种确定性有限自动机 (DFA)。（别管这个，只是出于严谨念了一边）
有一个广为人知的算法——Trie。
但是，如果用 Trie 来储存一个字符串的所有后缀 / 子串信息，结点数会达到 \(|s|^2\) 级别（下图是 abba 的后缀 Trie）。
然而，我们发现，图上有很多结点的子树完全一样（例如结点 abb 与结点 bb），可以合并成一棵子树以减少结点数。
可以说，把 Trie 合并为一个结点最少的 DAG，就是 SAM。
\(endpos\) 等价类
对于一个子串，我们把它所有出现位置的末尾记下来，组成一个集合，就是这个子串的 \(endpos\)。
例如，在 abcdabc 中，abc 的 \(endpos\) 为 \(\{3,7\}\)。（本文中下标从 \(1\) 开始计）
我们把 \(endpos\) 集合相同的子串叫做一个 \(endpos\) 等价类。
记 \(s\) 的 \(endpos\) 集合为 \(endpos(s)\)。
引理 \(1\)：若 \(s_1\) 是 \(s_2\) 的后缀，则 \(endpos(s_2) \subseteq endpos(s_1)\)
很好理解，若 \(s_1\) 是 \(s_2\) 的后缀，那么 \(s_2\) 每次出现的时候，\(s_1\) 都必然以 \(s_2\) 后缀的形式出现；
然而，\(s_1\) 还可能单独出现，即前面不直接连着 \(s_2-s_1\)。
例如在 abcdabcdbcd 中，bcd 与 abcd 就是这种关系，\(endpos(\) bcd \()=\{4,8,10\}\)，\(endpos(\) abcd \()=\{4,8\}\)。
引理 \(2\)：对于两个字符串 \(s_1,s_2\ (|s_1| \leq |s_2|)\)，那么要么 \(endpos(s_2) \subseteq endpos(s_1)\)，要么交集为空。
如果交集不为空，那么至少有一个 \(endpos\) 相同，
因为原串是固定的，所以两个 \(endpos\) 相同的串等于某一个前缀的两个后缀。
那么可以导出 \(s_1\) 必然是 \(s_2\) 的后缀，即证。
\(parent\) 树
为了方便，令 \(endpos("")=\{x\in \Z | 1 \leq x \leq n\}\)（即所有 \(endpos\) 的全集）。
可以发现，\(\forall s_2=c+s_1,endpos(s_2)\subseteq endpos(s_1)\)。
我们建立一棵树，一个节点代表一个 \(endpos\) 等价类，使得父亲都是儿子的后缀。（根节点是空串）
所以有 \(endpos(son) \subset endpos(father)\)，注意，一个结点可能代表数个 \(endpos\) 相同的字符串。
我们定义一个数组 \(link\) 表示某个节点在 \(parent\) 树上的父亲。
而对于一堆 \(endpos\) 相同的子串，它们在后面接一个字符的方式都是相同的（都只能接 \(endpos+1\) 处的字符），所以在 DAG 中会有相同的转移，由 SAM 的最小性，它们在 SAM 中必然是同一个顶点。
SAM 存储的信息
首先来明确每个节点存的是啥：
\(link\)
（个人喜欢写 \(lnk\)）
存这个等价类节点在 \(parent\) 树上的父亲。
\(len\)
每个节点代表一个 \(endpos\) 等价类，这个等价类中应有未知个字符串，设其中最长的长度为 \(len\ [\ ]\)，其中最短的长度为 \(minlen\ [\ ]\)。
由于这个 \(endpos\) 等价类中已经包含了长度为 \(len\) 的和长度为 \(minlen\) 的字符串，
因为绿字符串至少有一个 \(endpos\) 与红蓝字符串相同，
所以 \(endpos(R) \subseteq endpos(G) \subseteq endpos(B)\)，又 \(endpos(R)=endpos(B)\)，所以 \(G\) 也在这个等价类中。
我们再来考虑 有一个 \(endpos\) 相同的 长度为 \(minlen-1\) 的 字符串，这个字符串的 \(endpos\) 必然更大（因为它不在这个等价类中）。
所以这个字符串必然在这个等价类节点的父亲中，而且必然是最长的那一个。
所以有：\(minlen=len(link)+1\)。故实际写 SAM 的时候不用记录 \(minlen\)。
\(next\)
（个人喜欢写 \(nxt\)）
与 Trie 的 \(next\) 相同，存储的是这个节点可能的转移。
特别的，由于引入了 \(endpos\)，所以所有转移就是所有 \(endpos+1\) 处的字符。
由于这个性质，所以在 \(parent\) 树上，父节点的转移集合包含子节点的转移集合。
存 \(next\) 用 \(map\) 或数组存都可以。
构建 SAM
构建 SAM 的时空复杂度是 \(O(n)\)，是一个在线算法。
当我们每次想在字符串末尾插入一个字符 \(c\) 的时候（假设插入前字符串的长度为 \(n\)）：
首先我们新建一个节点，因为 \(endpos\) 全集中增加了一个元素，必然会建出一个新的 \(endpos\) 等价类，记这个结点为 \(pos\ [\ n+1\ ]\)。
此时有 \(len\ [\ n+1\ ]=n+1\)，因为这个节点中最长字符串肯定是全串。
然后，因为这个节点接在最后一个字符后面，所以所有 \(endpos\) 中存在 \(n\) 的等价类节点应当存在一个到 \(c\) 的转移。
而所有包含 \(n\) 的等价类应正好在 \(pos\ [\ n\ ]\) 到 \(pos\ [\ 0\ ]\)（根节点）的 \(parent\) 树上。
于是我们从 \(pos\ [\ n\ ]\) 开始爬 \(parent\) 树，给路上的每个节点增加一个 \(c\) 的转移到 \(pos\ [\ n+1\ ]\)。
接下来我们要给新节点（记为 \(r\)）找 \(parent\) 树上的父亲。
-
如果我们一路爬到了根节点还没有找到某个到 \(c\) 的转移，那么说明字符串中没有 \(c\)，
于是这个等价类中必然只包含它自己，直接 \(link\) 连到根，结束了；
-
如果我们找到某个节点存在到 \(c\) 的转移了，跳出循环，
此时祖先必然都有到 \(c\) 的转移，所以不必继续往上爬，
假设我们找到的点是 \(p\)，经过到 \(c\) 的转移后到达的节点是 \(q\)，
此时 \(p+c\) 这个 \(len\ [\ p\ ]+1\) 的字符串必然与新串结尾的 \(len\ [\ p\ ]+1\) 的后缀相同，
所以 \(\{endpos(q)\}\bigcup\{n+1\}\) 必然是 \(r\) 的父亲。
-
如果 \(len\ [\ q\ ]=len\ [\ p\ ]+1\)，说明 \(q\) 最长的字符串恰好是 \(len\ [\ p\ ]+c\) ，所以 \(q\) 正好是 \(\{endpos(q)\}\bigcup\{n+1\}\)，
直接 \(link\) 上去即可。
-
否则，我们可以把 \(q\) 分裂，把 \([\ minlen,len\ ]\) 的区间强行 copy 出一个 \(len\ [\ p\ ]+1\)，
这个点应当同时作为 \(q\) 和 \(r\) 的父节点，把 \(p\) 到根节点路上所有转移到 \(q\) 的换成新节点（因为刚好长度对上）。
此时然后按上面处理即可。
-
Code
这是利用 struct 写的一份 SAM：（没有存 \(pos\)，上一次存点的位置就是下一次需要的 \(pos\)，根节点被设为 \(0\)，根节点的父亲设为 \(-1\)）。
inline void insert(char c) {
++siz; ++n;
sam[siz].len=n; Siz[siz]=1;
register int p=lst; lst=siz;
while(p!=-1&&!sam[p].nxt.count(c)) {
sam[p].nxt[c]=siz;
p=sam[p].link;
}
if(p==-1) {
sam[siz].link=0;
return ;
}
register int q=sam[p].nxt[c];
if(sam[p].len+1==sam[q].len) {
sam[siz].link=q;
return ;
}
++siz;
sam[siz]=sam[q];
sam[siz].len=sam[p].len+1;
while (p!=-1&&sam[p].nxt[c]==q) {
sam[p].nxt[c]=siz;
p=sam[p].link;
}
sam[q].link=sam[siz-1].link=siz;
return ;
}
一些证明（先咕了）
SAM 的节点数小于 \(2n\)
SAM 的转移数小于 \(3n\)
应用以及例题（先咕了）
广义后缀自动机
看完 SAM，发现 SAM 实现了单个字符串的后缀 Trie，干掉了 KMP。
那么 SAM 能不能干掉 AC 自动机呢？
答案是可以的，这就是广义 SAM。
构建广义 SAM
标签：sam,SAM,后缀,len,学习,笔记,节点,endpos 来源： https://www.cnblogs.com/unputdownable/p/14976377.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。