首页 > 其他分享> 文章详细

SAM复习

2022-07-26 16:34:17 阅读：130 来源： 互联网

标签：node 子串复习 SAM int 后缀 link endpos

定义

SAM的定义

字符串$s$的SAM是一个可接受$s$的所有后缀的最小$DFA$(确定的有穷自动机)，可以参考编译原理的龙书(强烈推荐)

SAM是一张有向无环图。节点被称作状态，边被称作状态之间的转移
存在一个初始状态$t_0$，其他各结点都可以从$t_0$出发到达
没有输出$\epsilon$之上的转移，即没有边标号为$\epsilon$(空字符串)的转移
对每个状态$s$和每个输入符号$a$，有且仅有一条标号为$a$的边离开
存在一个或多个终止状态。从$t_0$出发转移到一个终止状态，则路径上的所有转移连接起来构成了$s$的一个后缀。从$t_0$出发到达的每一个结点上路径的转移是$s$的一个子串。
最小的意思是$DFA$中的状态数目最少，但又可以表示所有状态。(结点最少)

重要概念

结束为止endpos

定义：对于$s$的任意非空子串$t$，即$endpos(t)$为子串$t$在$s$中的所有结束位置
等价类：两个子串$t_1$和$t_2$的$endpos$集合可能相同，即$endpos(t_1)=endpos(t_2)$。这样所有字符串$s$的非空子串都可以根据他们的$endpos$集合划分成若干个等价类
SAM中的每个状态对应一个或多个$endpos$相同的子串。SAM的状态个数=等价类个数+1，每个状态是一个等价类
引理1：字符串$s$的两个非空子串$u$和$w$$(|u|\le |w|)$的$endpos$相同，当且仅当字符串$u$的每次出现，都是以$w$后缀的形式出现。比如$s=abcdefgdefgpfg$，令$u=fg$，$w=defg$，显然，$endpos(u)\ne endpos(w)$，因为$s$中出现了$pfg$，$u$出现了，但不是以$w$后缀的形式
引理2：考虑两个非空子串$u$和$w$($|u|\le |w|$)。要么$endpos(u)\cap endpos(w) =\varnothing$，要么$endpos(w)\subseteq endpos(u)$，取决于$u$是否为$w$的一个后缀（可以用上面的例子解释)
引理3：考虑一个$endpos$等价类，将类中的所有子串按长度非递增的顺序排序。那么每个子串都是它前一个子串的后缀，即较短的子串是较长子串的后缀。记这个等价类中最长串长度为$maxlen$，最短串长度为$minlen$，那么这个等价类中的子串长度恰好覆盖了整个区间$[minlen,maxlen]$

后缀链接link

考虑SAM中某个不是$t_0$的状态$v$。状态$v$对应于一个等价类，如果定义$w$为这个等价类中最长串，那么这个等价类中的其他字符串都是$w$的后缀。

并且$w$的前几个后缀(按长度降序考虑)全部包含于这个等价类中，且其他后缀在其他等价类中。什么意思，还是用$s=abcdefgdefgpfg$这个例子，$w=defg$，假设$w$是它所在$endpos$的代表元，那么$endpos(w)=\{defg,efg\}$，但$fg,g$都是$w$的后缀，但它们与$w$不在同一个等价类中

记$t$为不与$w$在同一个等价类中但是$w$的后缀的最长中的一个，显然$|t|=minlen-1$。

于是在状态图中，我们从$w$所在的等价类$v$向$t$所在等价类连一条件记为$link(v)$，这样的边只有一条

引理4：所有后缀链接构成一棵根节点为$t_0$的树
引理5：通过$endpos$集合构造的树（每个子节点的$subset$ 都包含在父节点的 $subset $中）与通过后缀链接$link$构造的树相同。

其中蓝色的边是$SAM$中有向图的边，虚线的蓝色边为后缀连接$link$，构成了一棵树

复杂度

空间复杂度$O(n|\Sigma|)$，其中$|\Sigma|$为字符集的大小
时间复杂度$O(n)$
SAM 的大小（状态数和转移数）为线性的

构造方法

一般可以先求出$SAM$，然后把$link$构成的树重新构建一遍

模板

#include <bits/stdc++.h>
#define ll long long
using namespace std;
const int N=2e6+10;
struct Node{
    int len,link;
    int ch[26];
}node[N];
int last=1,idx=1;
ll dp[N];
void SAM_Extend(int c){
   int p=last,cur=++idx; //每次新加入的点是一个前缀
   last=cur;
   dp[idx]=1;
   node[cur].len=node[p].len+1;
   for(;p&&!node[p].ch[c];p=node[p].link) node[p].ch[c]=cur;
   if(!p) node[cur].link=1;
   else{
     int q=node[p].ch[c];
     if(node[q].len==node[p].len+1){
        node[cur].link=q;
     }else{
        int nq=++idx;
        node[nq]=node[q];
        node[nq].len=node[p].len+1;
        node[cur].link=node[q].link=nq;
        for(;p&&node[p].ch[c]==q;p=node[p].link) node[p].ch[c]=nq;
     }
   }
}
//构建 link树
struct edges{
    int v,nxt;
}e[N];
int cnt,head[N];
void add(int u,int v){
    e[cnt]={v,head[u]},head[u]=cnt++;
}


//一顿操作
ll ans;
void dfs(int u){
 
    for(int i=head[u];~i;i=e[i].nxt){
        int v=e[i].v;
        dfs(v);
        dp[u]+=dp[v];
    }
    if(dp[u]>1) ans=max(ans,dp[u]*node[u].len);
}
int main(){
    ios::sync_with_stdio(false);
    cin.tie(nullptr);
    memset(head,-1,sizeof head);
    string s;
    cin>>s;
    int n=s.size();
    for(int i=0;i<n;i++) SAM_Extend(s[i]-'a');
    for(int i=2;i<=idx;i++) add(node[i].link,i);
    dfs(1);
    cout<<ans<<'\n';
    return 0;
}

应用

检查字符串是否出现
不同子串个数
- 方法一：在SAM有向无环图上用动态规划求
- 方法二：在$link$树上求，每个节点对应的子串数量是$len(i)-len(link(i))=maxlen(i)-maxlen(link(i))$
所有不同子串的总长度
字典序第$k$大子串
最小循环移位
出现次数
- 假设模式串为$P$，文本串为$T$，那么构造出$T$的SAM后，在$link$树上找到$P$所在的节点，对应节点的$endpos$大小就是$P$的出现次数。$endpos$大小直接在$link$数上从子节点递推即可。
所有出现位置
最短的没有出现的字符串
两个字符串的最长公共子串
多个字符串间的最长公共子串

标签：node,子串,复习,SAM,int,后缀,link,endpos
来源： https://www.cnblogs.com/Arashimu0x7f/p/16521494.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。

ICode9