hihocoder 后缀自动机专题

一、后缀自动机基本概念的理解

1、首先后缀自动机的状态是由子串的endpos来决定的

子串的endpos是指一个子串可以在原字符串的哪些位置进行匹配，

endpos构成的不同集合划分成不同的状态

关于endpos的性质： s1是s2的子串当且仅当endpos(s1)属于endpos(s2)，s1不是s2的子串当前仅当endpos(s1)和endpos(s2)的交集为空

2、对于一个用endpos划分的状态，最长的子串为longest(st)，最短的为shortest(st)，对于任何包含于该状态的子串，都是longest(st)的后缀；同样，对于一个状态中的longest(st)的后缀，如果后缀的长度在longest和shortest之间，那么它就属于这个状态。

如此可以这样理解，一个endpos划分的状态，实际上是longest形成的一系列后缀

3、Link

link是将不同endpos间连接起来的边，实际上是把系列的中断相连

4、Transition function

对于一个状态，首先找到它下一个可能出现的字符有哪些，实际上就是只需要把longest后面添加一下新的字符，然后看这个新的串被哪个状态所包含

那么它的那一系列后缀也被这个状态所包含。

暴力做法 （关于endpos）

hihocoder 1441

#include <iostream>
#include <cstring>
#include <cstdio>
#include <vector>
#define fi first
#define se second
using namespace std;
typedef pair<int, int> PII;
char str[100], temp[100];
vector<int> endpos[100][100];
int n;

bool ok(int x, int y, int t){
    int len = y-x+1;
    int s = t-len+1;
    if(s < 0) return false;
    for(int i = 0; i < len; i++)
        if(str[i+x] != str[s+i]) return false;
    return true;
}
bool cmp(int x, int y, char* temp){
    int len = y-x+1;
    if(len != strlen(temp)) return false;
    for(int i = 0; i < len; i++) if(str[i+x] != temp[i]) return false;
    return true;
}
void print(char* str, int x, int y){
    for(int i = x; i <= y; i++) cout<<str[i];
}

int main(){
    cin>>str;
    int len = strlen(str);
    for(int i = 0; i < len; i++){
        for(int j = i; j < len; j++)
            for(int k = 0; k < len; k++)
                if(ok(i, j, k)) endpos[i][j].push_back(k+1);
    }
    cin>>n;
    while(n--){
        cin>>temp;
        PII s;
        for(int i = 0; i < len; i++)
            for(int j = i; j < len; j++)
                if(cmp(i, j, temp))
                { s = {i, j}; break; }
        auto x = endpos[s.fi][s.se];
        int longest = 0, shortest = 1e9;
        PII ll, ss;
        for(int i = 0; i < len; i++)
            for(int j = i; j < len; j++){
                auto y = endpos[i][j];
                if(x.size() != y.size()) continue;
                int fail = 0;
                for(int k = 0; k < x.size(); k++) if(x[k] != y[k]) fail = 1;
                if(fail) continue;
                if(longest < j-i+1) { longest = j-i+1; ll = {i, j}; }
                if(shortest > j-i+1) { shortest = j-i+1; ss = {i, j}; }
            }
        print(str, ss.fi, ss.se); cout<<" ";
        print(str, ll.fi, ll.se); cout<<" ";
        for(auto tt : x)  cout<<tt<<" ";  cout<<endl;
    }
}

二、算法部分

hihocoder上讲的很详细

但是只是给出了实现的做法，算法的正确性并没有给出详尽的证明，以后看情况补充吧（挖坑）

算法分成三种情况。运用增量法，取上一次的状态

顺着它的link走，可以得到它的所有后缀，所以就是所有后缀加上这次新的字符

首先建立一个新的状态z代表S[1...i+1]，maxlen显然是i+1

①如果link-path上都没有这个新的字符，就全部直接连新的状态，link[z] = s，更新minlen

②如果link-path上有一个状态x，它加上新的字符可以转移到另一个状态y，做如下处理

1、如果maxlen[x]+1 = maxlen[y]，那么说明实际上x是z的longest的一系列后缀，只不过不在同一状态中，所以直接link[z] = x即可，更新minlen

2、如果maxlen[x]+1 < maxlen[y]，那么我们就把y结点分成两部分，一部分p是maxlen[y] <= maxlen[x]+1，这部分实际上和1是一样的。另一部分q是maxlen[y] > maxlen[x] + 1

实际上x并不能转移到q，所以q留在原地，新建一个结点代表p，让x连向p，然后link[p] = x,  link[q] = link[z] = p。

对于剩下的link-path上的状态，如果它们连向y的话，就重新连向p。最后更新一下p的minlen

三、题目练习

hihocoder 1445

题目大意：给出一个串，求出不重复子串的个数

答案就是每个状态的longest减去shortest，可以保证没有重复的情况出现

#include <iostream>
#include <cstring>
#include <cstdio>
using namespace std;
int n = 0, len, st;
const int maxL = 1e6 + 100;
int maxlen[2*maxL], minlen[2*maxL], trans[2*maxL][27], slink[2*maxL];
int new_state(int _maxlen, int _minlen, int *_trans, int _slink){
    maxlen[n] = _maxlen;
    minlen[n] = _minlen;
    for(int i = 0; i < 26; i++){
        if(_trans == NULL)
            trans[n][i] = -1;
        else
            trans[n][i] = _trans[i];
    }
    slink[n] = _slink;
    return n++;
}

int add_char(char ch, int u){
    int c = ch - 'a';
    int z = new_state(maxlen[u]+1, -1, NULL, -1);
    int v = u;
    while(v != -1 && trans[v][c] == -1){
        trans[v][c] = z;
        v = slink[v];
    }
    if(v == -1){
        minlen[z] = 1;
        slink[z] = 0;
        return z;
    }
    int x = trans[v][c];
    if(maxlen[v] + 1 == maxlen[x]){
        minlen[z] = maxlen[x] + 1;
        slink[z] = x;
        return z;
    }
    int y = new_state(maxlen[v] + 1, -1, trans[x], slink[x]);
    slink[y] = slink[x];
    minlen[x] = maxlen[y] + 1;
    slink[x] = y;
    minlen[z] = maxlen[y] + 1;
    slink[z] = y;
    int w = v;
    while(w != -1 && trans[w][c] == x){
        trans[w][c] = y;
        w = slink[w];
    }
    minlen[y] = maxlen[slink[y]] + 1;
    return z;
}

char str[maxL];
int main()
{
    cin>>str;
    st = new_state(0, 0, NULL, -1);
    int len = strlen(str);
    for(int i = 0; i < len; i++) {
        st = add_char(str[i], st);
    }
    long long ans = 0;
    for(int i = 1; i < n; i++) ans += (maxlen[i] - minlen[i] + 1);
    cout<<ans<<endl;
    return 0;
}

hihocoder 1449

给定一个串，要求求出长度为k的子串中重复最多的串出现的次数

问题实际上转换成了求endpos的大小

在建立完后缀自动机后，我们用link可以连接成一棵树

对于父结点的孩子若干个孩子，实际上我们有

endpos[fa] >= sigma(endpos[son])

一般情况下是等于的，但是如果这一点的状态恰好表示了一个前缀，那么就要加1

而前缀的那些点其实是加入的那些，所以加入的过程中标记一下即可

最后求答案的时候，对于一个状态我们实际上要用endpos[x]更新minlen[x] ~ maxlen[x]

但是实际上我们只需要更新maxlen，原因是答案一定是随长度递增的

所以最后做一个这样的处理 ans[i] = max(ans[i], ans[i+1]就可以了

#include <iostream>
#include <cstring>
#include <cstdio>
#include <queue>
using namespace std;
int n = 0, len, st;
const int maxL = 1e6 + 100;
int maxlen[2*maxL], minlen[2*maxL], trans[2*maxL][27], slink[2*maxL], lab[2*maxL], ans[2*maxL], son[2*maxL], endpos[2*maxL];
int new_state(int _maxlen, int _minlen, int *_trans, int _slink){
    maxlen[n] = _maxlen;
    minlen[n] = _minlen;
    for(int i = 0; i < 26; i++){
        if(_trans == NULL)
            trans[n][i] = -1;
        else
            trans[n][i] = _trans[i];
    }
    slink[n] = _slink;
    return n++;
}

int add_char(char ch, int u){
    int c = ch - 'a';
    int z = new_state(maxlen[u]+1, -1, NULL, -1); lab[z] = 1;
    int v = u;
    while(v != -1 && trans[v][c] == -1){
        trans[v][c] = z;
        v = slink[v];
    }
    if(v == -1){
        minlen[z] = 1;
        slink[z] = 0;
        return z;
    }
    int x = trans[v][c];
    if(maxlen[v] + 1 == maxlen[x]){
        minlen[z] = maxlen[x] + 1;
        slink[z] = x;
        return z;
    }
    int y = new_state(maxlen[v] + 1, -1, trans[x], slink[x]);
    slink[y] = slink[x];
    minlen[x] = maxlen[y] + 1;
    slink[x] = y;
    minlen[z] = maxlen[y] + 1;
    slink[z] = y;
    int w = v;
    while(w != -1 && trans[w][c] == x){
        trans[w][c] = y;
        w = slink[w];
    }
    minlen[y] = maxlen[slink[y]] + 1;
    return z;
}

char str[maxL];
int main()
{
    cin>>str;
    st = new_state(0, 0, NULL, -1);
    int len = strlen(str);
    for(int i = 0; i < len; i++) {
        st = add_char(str[i], st);
    }
    for(int i = 1; i <= n; i++) son[slink[i]]++;
    queue<int> Q;
    for(int i = 1; i <= n; i++) if(son[i] == 0) Q.push(i), endpos[i] = 1;
    while(!Q.empty()){
        int x = Q.front(); Q.pop();
        if(x == 0) continue;
        int y = slink[x];
        son[y]--; endpos[y] += endpos[x];
        if(son[y] == 0){
            if(lab[y]) endpos[y]++;
            Q.push(y);
        }
    }
    for(int i = 1; i <= n; i++) ans[maxlen[i]] = max(ans[maxlen[i]], endpos[i]);
    for(int i = len-1; i >= 1; i--) ans[i] = max(ans[i], ans[i+1]);
    for(int i = 1; i <= len; i++) cout<<ans[i]<<endl;
    return 0;
}