后缀数组处理多字符串公共子串总结

最新推荐文章于 2023-04-18 23:37:02 发布

时雨晴天

最新推荐文章于 2023-04-18 23:37:02 发布

阅读量2k

点赞数

分类专栏：后缀数组文章标签：后缀数组

本文链接：https://blog.csdn.net/whyorwhnt/article/details/34129735

版权

后缀数组专栏收录该内容

22 篇文章 0 订阅

订阅专栏

关于后缀数组的学习可以参考：后缀数组学习小记 (模板) - whyorwhnt的专栏

个人经验：对单个字符串问题求个数需要枚举，求长度可以利用二分

公共子串：如果字符串L同时出现在字符串A和字符串B中，则称字符串L是字符串A和字符串B的公共子串。

与子序列不同的是，子序列可以断续，通常用dp解决，子串要求连续。

最长公共子串问题的后缀数组解法

后缀数组可以处理一类公共子串问题，以下方法分析摘自：最长公共子串问题的后缀数组解法 - BYVoid

回顾一下后缀数组，SA[i]表示排名第i的后缀的位置，Height[i]表示后缀SA[i]和SA[i-1]的最长公共前缀(Longest Common Prefix,LCP)，简记为Height[i]=LCP(SA[i],SA[i-1])。连续的一段后缀SA[i..j]的最长公共前缀，就是H[i-1..j]的最小值，即LCP(SA[i..j])=Min(H[i-1..j])。

求N个串的最长公共子串，可以转化为求一些后缀的最长公共前缀的最大值，这些后缀应分属于N个串。具体方法如下：

设N个串分别为S1,S2,S3,...,SN，首先建立一个串S，把这N个串用不同的分隔符连接起来。S=S1[P1]S2[P2]S3...SN-1[PN-1]SN，P1,P2,...PN-1应为不同的N-1个不在字符集中的字符，作为分隔符(后面会解释为什么)。

接下来，求出字符串S的后缀数组和Height数组，可以用倍增算法，或DC3算法。

然后二分枚举答案A，假设N个串可以有长度为A的公共字串，并对A的可行性进行验证。如果验证A可行，A'(A'<A)也一定可行，尝试增大A，反之尝试缩小A。最终可以取得A的最大可行值，就是这N个串的最长公共子串的长度。可以证明，尝试次数是O(logL)的。

于是问题就集中到了，如何验证给定的长度A是否为可行解。方法是，找出在Height数组中找出连续的一段Height[i..j]，使得i<=k<=j均满足Height[k]>=A，并且i-1<=k<=j中，SA[k]分属于原有N个串S1..SN。如果能找到这样的一段，那么A就是可行解，否则A不是可行解。

具体查找i..j时，可以先从前到后枚举i的位置，如果发现Height[i]>=A，则开始从i向后枚举j的位置，直到找到了Height[j+1]<A，判断[i..j]这个区间内SA是否分属于S1..SN。如果满足，则A为可行解，然后直接返回，否则令i=j+1继续向后枚举。S中每个字符被访问了O(1)次，S的长度为NL+N-1，所以验证的时间复杂度为O(NL)。

到这里，我们就可以理解为什么分隔符P1..PN-1必须是不同的N-1个不在字符集中的字符了，因为这样才能保证S的后缀的公共前缀不会跨出一个原有串的范围。（否则下一个字符串的部分前缀也会成为公共的部分）