AC自动机学习笔记

再不更新这里都长草了

前置知识

• KMP
• Trie树

前言

AC自动机是一个字符串匹配算法，与KMP的区别在于，AC自动机可以用(O(sum |s_i| + |S|))的复杂度在文本串中同时查找多个模式串，例如这道题

对于初学者 就是我 而言，可以简单地将AC自动机理解为KMP + Trie树，整个算法分为三步：

1. 将所有的模式串建成一颗Trie树
2. 求出Trie树上每一个节点的失配指针（fail）（类似KMP的next）
3. 将文本串在Trie树上进行匹配

算法过程

建立Trie

这一步和普通的字典树一样，不解释

void insert(string& s) {
	int p = 0;
	for(int i = 0; i < s.length(); i++) {
		if(t[p][s[i] - 'a'] == 0) {
			t[p][s[i] - 'a'] = ++tot;
		}
		p = t[p][s[i] - 'a'];
	}
	num[p]++;
}

求失配指针

(fail_u)的定义为，Tire树内所有字符串的所有前缀中，后缀匹配长度最大的的位置；如下图中，(fail_i = j)

（图中不同颜色的边代表字符）

如图，节点(i)与节点(j)的后缀匹配最长，所以(fail_i = j)

如图，(fail_i = j)，则(i)的粉色子节点（此处用颜色表示字符）必然也与(j)的粉色子节点有最长的后缀，因此该子节点的(fail)指针就是(k)

具体求法：对于(u)的子节点(v)，其(fail)指针为(u)的(fail)指针的字符与(v)相同的子节点，证明很简单，因为(fail_u)与(u)的后缀匹配最长，而(v)节点上的字符(i)显然与(trie[fail_u][i])上的字符(i)相同，所以(fail_v = trie[fail_u][i])

理解原理后我们很容易就能求出所有的(fail)指针：在字典树上跑一遍BFS，根节点的子节点的(fail)指针显然为0，所以先将这些点放入队列；

对于每一个当前搜索到的节点(u)，它的(fail)指针肯定已经被求出，所以我们只需要枚举它的所有子节点t[u][i]，建立(fail)指针 fail[t[u][i]] = t[fail[u]][i]

代码如下：

void getFail() { //bfs构建fail数组
	queue<int> q;
	
	for(int i = 0; i < 26; i++) { //根结点下面直接连的第一层结点，fail直接指向根结点0 
		if(t[0][i]) {
			q.push(t[0][i]);
		}
	}
	while(!q.empty()) { //队列中维护能够拓展fail值的结点 
		int u = q.front(); q.pop();
		
		for(int i = 0; i < 26; i++) {
			if(t[u][i]) {
                //失配时，以trie[u][i]结尾的后缀尽量在trie中找一个与之相同的前缀（类似KMP）
				fail[t[u][i]] = t[fail[u]][i];
				q.push(t[u][i]);
			} else {
                //节点不存在，往上连，最多回到根结点0, 注意是trie不是fail数组
				t[u][i] = t[fail[u]][i];
			}
		}
	}
}

字符串匹配

这一部分理解难度不大，看代码注释即可：

int query(string s) {
	int p = 0, res = 0; //p表示trie中的结点，res表示总和
	
	for(int i = 0; i < s.length(); i++) {
		p = t[p][s[i] - 'a']; //获取当前节点
		
		for(int j = p; j != 0 && num[j] != -1; j = fail[j]) { //从p开始一直往上跳
			res += num[j]; //num[j]表示以当前位置结尾字符串的总数，它们肯定都是
			num[j] = -1; //避免重复计算
		}
	}
	return res;
}

用(p)表示将字符串在(Trie)树上匹配时的位置，在每一轮循环中以(p)为起点向上跳，寻找匹配即可

复杂度分析

Trie树的大小为(sum |s_i|)，建立(fail)指针的复杂度与其相同，遍历文本串需要(O(|S|))，总时间复杂度为(O(sum |s_i| + |S|))

参考资料

AC 自动机 - OI Wiki