[带自己学/复习算法] 2.Manacher

Manacher

Manacher算法主要与回文串问题相关，能够求得以 $i$ 为下标的回文串半径 $dp[i]$，它相对于普通暴力算法的最关键点就是对 回文半径的初始化（重点）不仅仅是一开始为1，而是可能从之前算出来的结果中转移，而本文也将对其介绍。

1 算法的重点 - 半径初始化 及 分类讨论

首先解释一下上面的各个变量含义

i ： 当前遍历到的下标 i，由于是从左往右遍历的，此时 [0, i - 1] 的回文串都已经求出了。
R ： 当前最右边界，这一项的设置是为了保证算法的O(n)的复杂度，代码中会有解释。
	图中有两个R是可能出现的两种位置：R 在当前下标 i 的左边 / 右边
idx ： 当前达到最右边界的回文串中心下标
i_mirror ：当前 i 关于 idx 的镜像对称位置 i_mirror，这是为了设置当前遍历下标 i 的回文串初始化长度，
可能由此镜像位置的状态进行转移 

以上图为例，Manacher算法的主要思路中运用到了 $dp（动态规划）$ 的状态转移思想和分类讨论。它通过对初始化半径长度的状态转移，以及通过设置最右边界对后续可增加长度的最多增加限制，保证了整个算法是以 $O(n)$ 的复杂度不断进行（代码中会较为详细的指出）。
状态转移：以 $i$ 为下标的回文串初始大小不是一定从1开始，而是可能继承自 i_mirror 等长度，从而减少了复杂度。
最右边界：到当前下标 $i$ 为止，回文串的最右端延伸到的最远距离 $R$
分类讨论：最终总共可分为3种不同的情况。我们需要从头开始讨论：

为了方便对照，此处再放一次实例图片

1. 首先当前遍历到的下标 i 是确定了

2. 然后 idx 和 i 的关系也能确定下来（idx < i ，因为当前达到最右边界的回文串一定是在之前求出来的，所以一定在 i 左侧）

3. 再讨论 R ，会发现 R 是无法确定的（既可能半径较小，在 i 左侧；也可能半径较大，在 i 右侧；也可能刚好在 i，此时可以归为在左侧那一类 ）于是我们一一往下讨论：

   3.1. R 在 i 的左侧或刚好为i，此时如上图所示，没有太多的其他信息，我们找不到当前以 i 为下标的回文串初始化长度 init_length 和之前状态的关系，只能将其初始化为 0，即以 i 为下标的回文串半径初始化为他自己，$dp[i]=0,whenR\le i$
   

   3.2 R 在 i 的右侧，此时如上图所示，说明 $[idx,R]$ 这右边半段一定和左半段是以 $idx$ 为中心对称的回文串，那么此时就可以看出
   

   如上图所示，以 $i$ 为中心的回文串一定和以 $i_{mirror}$ 为中心的回文串（上图绿色部分）大小相同（真的一定相同吗？），即 $dp[i]=dp[i_{mirror}]$
   

   显然有一个反例，如上图所示，可以看到此时以 $i_{mirror}$ 为中心的回文串左侧已经超出了红色边界 $R^{\prime }$，而我们只保证了 $[R^{\prime },idx]$ 和 $[idx,R]$ （下图绿色部分）一定是对称的（$[R^{\prime },R]$是回文串），我们无法保证剩下部分（下图紫色部分）是对称的，如下图所示
   

   换句话说，我们只能确保以 $i$ 为中心的回文串半径初始化长度在 $R-i$，或是$dp[i_{mirror}]$，那么为了确保一定正确，我们只需要让以 $i$ 为中心的回文串初始化长度为两者的 $min$ 即可，即$dp[i]=min(R-i,dp[i_{mirror}]),whenR>i$，再结合前面的$dp[i]=0,whenR\le i$，可以得出一个总体的初始化长度：

   $$dp[i]=R>i?min(R-i,dp[i_{mirror}]):0$$

   这是一个C语言的三目表达式 $A?B:C$，其中 A = { R > i } , B = { m i n ( R − i , d p [ i m i r r o r ] ) } , C = { 0 } A = \{R>i\},B =\{min(R-i,dp[i_{mirror}])\},C = \{0\} A={R>i},B={min(R−i,dp[imirror​])},C={0}翻译出来就是$R>i$吗，如果是，则表达式的值为$B$的值，否则为$C$的值

2 算法的一些另外的小trick - 填充字符串

好处：对字符串进行填充，能够使奇数/偶数长度的回文串统一变成奇数长度的回文串，更为简单且减少了对边界的判断。
填充方法：abba => @#a#b#b#a#

对每个字符前面添加 # 填充，首尾再加两个不一样的字符来填充

当然填充完后，对填充后的字符串进行Manacher，相应求出的半径是带有 # 的需要转换。此时 $dp[i]$ 的含义不变，但在数值上就等于以 $i$ 为中心的回文串的长度+1，

3 代码解释 及 模板

string change(string s){
	string str = "@";
	for(char c : s){
		str += '#';
		str += c;
	}
	str += '#';
	return str;
}
string palindrome(string s_){
	s = change(s_);
	int n = s.length();
	vector<int>dp(n);//# 保存回文半径的长度,但经过change变换后，dp[i]其实是回文串长度+1
	int R = 0, idx = 0;
	for(int i = 1; i < n; i++){
		//# 初始化
		int i_mirror = 2 * idx - i ;
		dp[i] = R > i ? min(R - i, dp[i_mirror]) : 1;
		//# 有限制的暴力
		while( s[i + dp[i]] == s[i - dp[i]] ) dp[i]++;
		//# 对最右边界进行更新
		if(i + dp[i] > R){
			R = i + dp[i];
			idx = i;
		} 
	}
	int maid = 1; //# 找出最长回文串的中心
	for(int i = 1; i < n; i++){
		maid = dp[i] > dp[maid] ? i : maid;
	}
	int center = (maid - 1) / 2;// # 最长回文子串的中心点
	int r = (dp[maid] - 1) / 2; //# 最长回文子串的半径
	return s_.substr(center - r , dp[maid] - 1);
}