【数据结构】后缀数组

什么是后缀数组啊~就是把一个字符串的所有后缀字串排个序的数组。

以下摘自《后缀数组——处理字符串的有力工具》罗穗骞

后缀数组：后缀数组SA是一个一维数组，它保存1..n的某个排列SA[1]，
SA[2]，……，SA[n]，并且保证Suffix(SA[i])<Suffix(SA[i+1])，1≤i<n。
也就是将S的n个后缀从小到大进行排序之后把排好序的后缀的开头位置顺次放入SA中。

名次数组：名次数组Rank[i]保存的是Suffix(i)在所有后缀中从小到大排列的“名次”。

简单的说，后缀数组是“排第几的是谁？”，名次数组是“你排第几？”。容易看出，后缀数组和名次数组为互逆运算。

怎么比较一个字符串：
每一位按字典序比较……简单易懂。

硬做的时间复杂度是多少呢……假设字符串长n，那么快排是$O(nlog(n))$，字符串两两比较大小是n，也就是$O(n^2log(n))$……

水平不够，接下来就只讲学到的倍增算法。

规定：
sa[i]表示排名为i的后缀是第几个后缀
rank[i]表示第i个后缀排名第几
显然，这两个数组是对偶的，我们可以通过这样一个for循环实现转换
for (i = 1; i <= n; i++) rank[ sa[i] ] = i;

那么什么是倍增算法呢？首先你要知道倍增就是1、2、4、8、16…这样的，然后这个算法就是按照这个顺序下去，求出长度为$2^k$的字串的排序，从而实现后缀的排序。

以下摘自《后缀数组——处理字符串的有力工具》罗穗骞

k从0开始，每次加1，当2k大于n以后，每个字符开始的长度为2k的子字符串便相当于所有的后缀。并且这些子字符串都一定已经比较出大小，即rank值中没有相同的值，那么此时的rank值就是最后的结果。每一次排序都利用上次长度为2k-1的字符串的rank值，那么长度为2k的字符串就可以用两个长度为2k-1的字符串的排名作为关键字表示，然后进行基数排序，便得出了长度为2k的字符串的rank值。

举个栗子：
（以下二元组表示(rank[i],rank[i+k])）

S=”aabaaaab”
当k=0，
rank[]=1 1 2 1 1 1 1 2

当k=1,
我们得到的字串是：
aa,ab,ba,aa,aa,aa,ab,b\0
写成二元组可以是：
(1,1)(1,2)(2,1)(1,1)(1,1)(1,1)(1,2)(2,0)
rank[]=1 2 4 1 1 1 2 3

当k=2，
我们得到的字串是…
写成二元组可以是：
(1,4)(2,1)(4,1)(1,1)(1,2)(1,3)(2,0)(3,0)
rank[]=4 6 8 1 2 3 5 7

此时已经将八个后缀全部分出顺序，可以结束算法。
那么这里涉及到双关键字排序，怎么排序呢？用快排显然是$O(nlogn)$的，还能不能更快呢？

好像可以用基数排序……
多关键字的基数排序，我们从后面的关键字开始排，然后只需保持排序的稳定性，即可实现多关键字排序。
在这里，第二关键字排序的结果可以直接从上一阶段的sa数组获得。

接下来图片讲解……

这个二元组是已经按第一关键字排了一遍了，那么我们要让它得出最后结果，首先如图，很容易懂。

然后像这样从下往上推……你懂的……

显然最后是这样的，这样基数排序就完成了。

倍增算法最多需要进行logn次排序。
使用基数排序，就可以在线性时间内完成一次排序。
因此，总的时间复杂度$O(nlogn)$

模板代码：

const int N = int(2e5)+10;
int cmp(int *r,int a,int b,int l){
    return (r[a]==r[b]) && (r[a+l]==r[b+l]);
}
// 用于比较第一关键字与第二关键字,
// 比较特殊的地方是,预处理的时候,r[n]=0(小于前面出现过的字符)

int wa[N],wb[N],ws[N],wv[N];
int rank[N],height[N];
void DA(int *r,int *sa,int n,int m){ //此处N比输入的N要多1，为人工添加的一个字符，用于避免CMP时越界
    int i,j,p,*x=wa,*y=wb,*t;
    for(i=0;i<m;i++) ws[i]=0;
    for(i=0;i<n;i++) ws[x[i]=r[i]]++;
    for(i=1;i<m;i++) ws[i]+=ws[i-1];
    for(i=n-1;i>=0;i--) sa[--ws[x[i]]]=i; //预处理长度为1
    for(j=1,p=1;p<n;j*=2,m=p) //通过已经求出的长度J的SA，来求2*J的SA
    {
        for(p=0,i=n-j;i<n;i++) y[p++]=i; // 特殊处理没有第二关键字的
        for(i=0;i<n;i++) if(sa[i]>=j) y[p++]=sa[i]-j; //利用长度J的，按第二关键字排序
        for(i=0;i<n;i++) wv[i]=x[y[i]];
        for(i=0;i<m;i++) ws[i]=0;
        for(i=0;i<n;i++) ws[wv[i]]++;
        for(i=1;i<m;i++) ws[i]+=ws[i-1];
        for(i=n-1;i>=0;i--) sa[--ws[wv[i]]]=y[i];  //基数排序部分
        for(t=x,x=y,y=t,p=1,x[sa[0]]=0,i=1;i<n;i++)
            x[sa[i]]=cmp(y,sa[i-1],sa[i],j)?p-1:p++;  //更新名次数组x[],注意判定相同的
    }
}

void calheight(int *r,int *sa,int n){ // 此处N为实际长度
    int i,j,k=0;        // height[]的合法范围为 1-N, 其中0是结尾加入的字符
    for(i=1;i<=n;i++) rank[sa[i]]=i;  // 根据SA求RANK
    for(i=0;i<n; height[rank[i++]] = k ) // 定义：h[i] = height[ rank[i] ]
    for(k?k--:0,j=sa[rank[i]-1]; r[i+k]==r[j+k]; k++); //根据 h[i] >= h[i-1]-1 来优化计算height过程
}

char str[N];
int sa[N];
int main(){
    char str[N];
    scanf("%s",str);
    int n = strlen(str);
    str[n]=0;

    da(str,sa,n+1,128);  //注意区分此处为n+1,因为添加了一个结尾字符用于区别比较
    calheight(str,sa,n);
}

还有一种dc3，然而我并不懂，只知道是$O(n)$，然而常数特别大。
模板代码：

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<cmath>
#include<vector>
#include<algorithm>
using namespace std;
const int maxn = int(3e6)+10;
const int N = maxn;

    #define F(x) ((x)/3+((x)%3==1?0:tb))
    #define G(x) ((x)<tb?(x)*3+1:((x)-tb)*3+2)
    int wa[maxn],wb[maxn],wv[maxn],ws[maxn];
    int c0(int *r,int a,int b)
    {return r[a]==r[b]&&r[a+1]==r[b+1]&&r[a+2]==r[b+2];}
    int c12(int k,int *r,int a,int b)
    {if(k==2) return r[a]<r[b]||r[a]==r[b]&&c12(1,r,a+1,b+1);
    else return r[a]<r[b]||r[a]==r[b]&&wv[a+1]<wv[b+1];}
    void sort(int *r,int *a,int *b,int n,int m)
    {
        int i;
        for(i=0;i<n;i++) wv[i]=r[a[i]];
        for(i=0;i<m;i++) ws[i]=0;
        for(i=0;i<n;i++) ws[wv[i]]++;
        for(i=1;i<m;i++) ws[i]+=ws[i-1];
        for(i=n-1;i>=0;i--) b[--ws[wv[i]]]=a[i];
        return;
    }
    void dc3(int *r,int *sa,int n,int m) //涵义与DA 相同
    {
        int i,j,*rn=r+n,*san=sa+n,ta=0,tb=(n+1)/3,tbc=0,p;
        r[n]=r[n+1]=0;
        for(i=0;i<n;i++) if(i%3!=0) wa[tbc++]=i;
        sort(r+2,wa,wb,tbc,m);
        sort(r+1,wb,wa,tbc,m);
        sort(r,wa,wb,tbc,m);
        for(p=1,rn[F(wb[0])]=0,i=1;i<tbc;i++)
        rn[F(wb[i])]=c0(r,wb[i-1],wb[i])?p-1:p++;
        if(p<tbc) dc3(rn,san,tbc,p);
        else for(i=0;i<tbc;i++) san[rn[i]]=i;
        for(i=0;i<tbc;i++) if(san[i]<tb) wb[ta++]=san[i]*3;
        if(n%3==1) wb[ta++]=n-1;
        sort(r,wb,wa,ta,m);
        for(i=0;i<tbc;i++) wv[wb[i]=G(san[i])]=i;
        for(i=0,j=0,p=0;i<ta && j<tbc;p++)
        sa[p]=c12(wb[j]%3,r,wa[i],wb[j])?wa[i++]:wb[j++];
        for(;i<ta;p++) sa[p]=wa[i++];
        for(;j<tbc;p++) sa[p]=wb[j++];
        return;
    }

好了，那么后缀数组有个卵子什么用呢？

在后缀排完序以后，可以求出相邻排名的两个后缀的最长公共前缀，然后任何两个后缀的最长公共前缀
就转化为rmq问题了。
那么怎么求最长公共前缀呢？

注意到如果两个后缀A和B的最长公共前缀长度为x，那么A和B各自去掉开头一位的后缀C和D，它们的最长公共前缀长度就是x-1也就是说，如果后缀A和其前一名B的最长公共前缀为x$(x>0)$，那么后缀A去掉开头一位的后缀C和C的前一名D，它们的最长公共前缀至少是x-1。

也就是说我们可以先处理原串S[0..n-1]和其前一名的最长公共前缀，然后再算A[1..n-1]和其前一名的最长公共前缀…

时间复杂度显然是$O(n)$，代码：

k=0;
for (i=0;i<n;i++)
{
    if (k>0) k--;
    j=sa[rank[i]-1];
    while (st[i+k]==st[j+k]) k++;
    height[rank[i]]=k;
}

据说后缀数组能做很多事情，然而我并不会，那么先这样了。