SAM后缀自动机

Perface

• 初二时学了一下SAM，当时以为自己懂了，后来仔细琢磨了一番，发现还有许多没有理解的地方。

• 于是有了这篇博客。

预备

• 有限状态自动机由五部分组成：alpha字符集，init初始状态，trans转移函数，state状态集合，end结束状态

• $SAM$是一个有限状态自动机.

• 自动机的功能是识别字符串.

• $SAM(x)=True$表示$SAM$能识别$x$这个字符串.

• $SAM$能识别一个字符串的所有后缀，也能识别子串.

• $trans(s,str)$表示当前状态是$s$，读入字符串$str$后到达的状态。为了方便，接下来用$ST(str)$表示$trans(Init,str)$

• $right(a)$表示$a$这个字符串在母串$s$中每一次出现位置的右端点集合.

• $Fac$表示子串集合.

一些姿势

• 若$s\in Fac$，则$ST(s)̸=null$，否则$ST(s)=null$.

• 若$a,b\in Fac,right(a)=right(b)$，则$ST(a)=ST(b)$.

• 一个$right$集 + 一个长度$len$，唯一确立一个字符串$s\in Fac$.

• 一个状态$s$由所有$right$集是$right(s)$的字符串组成，也可以被理解为是一个子串的集合.

• 状态$s$的子串集合中的长度可以表示为$[Mi{n}_s,Ma{x}_s]$.

• 两个状态的$right$集$Ra,Rb$只有两种关系，$Ra\cap R_b$为空，或$R_a\subset R_b$.

• 令一个状态$s$的$f{a}_s$为满足$Right(s)\subset Right(f{a}_s)$且$Right(f{a}_s)$最小的状态.

• 根据$f{a}_s$形成了一个树形结构，且状态数是线性的：

  Proof

  • 因为叶子结点个数是$O(|S|)$的.
  • 每个非叶子节点至少有两个孩子，否则可以合并.
  • 所以总节点个数是$O(|S|)$的.

• $Max(f{a}_s)=Min(s)-1$

• 其实前面都是废话. 接下来是重点。

一些性质

• 首先我们想证明的是$SAM$中的边数是$O(N)$级别的。构造法：

  • 令状态数为$M$，生成树中的边有$M-1$条，考虑非树边即可。

  • 生成树中任意 （根到状态$a$） +（ $a\to b$） +（ $b$到结束状态）对应一个后缀。

  • 我们构造每一个后缀只对应一条非树边，且唯一对应。

• 如何让每一个后缀仅对应一条非树边，$SAM$采用增量法来构造.

增量法

• 假设现在已经构造了长为$|S|$的$SAM$，现在要把$c$字符加进去。

• 设$trans(Init,S)=last$，新建节点$np$，则$last$必须向$np$连一条$c$树边.

• 现在来连非树边.

• $f{a}_{last}$如果没有$c$字符的边，显然需要连一条非树边，因为$f{a}_{last}$是$|S|$的一个后缀，后缀加上$c$就是当前的后缀，如果之前没有出现过，必然要连一条非树边。

• 一个状态$s$有一条标号为$x$的边实际上等价于它的$right$集中有$r$满足$S[r+1]=x$

• 沿着$fa$走，直到某个$p$拥有字符为$c$的边，此时再往$fa$走都一定拥有.

• 判断$so{n}_{p,c}$与$p$的$len$的关系，并维护好$f{a}_{np}$即可.

• 值得一提的是其中的clone步骤，事实上这也是整个SAM中最神奇的地方。我们可以新建一个节点$nq$来替代$so{n}_{p,c}$。当然，替代的部分值得深思。我们想要的是$f{a}_{np}$，所以只有从$p$直接连向$so{n}_{p,c}$的这一条边需要转移到$nq$来，然后把$f{a}_{np}=f{a}_{so{n}_{p,c}}=nq,f{a}_{nq}=p$即可。需要特别注意的是，如果$f{a}_p$还有连向$q$的，都要转移到$nq$来，原因是显然的。

• 至此完成了整个SAM的构造.