后缀树与后缀数组

后缀树和后缀数组是字符串处理的两大神器，几乎可处理掉一切的字符串处理问题，但是在实际中，后缀数组比后缀树更好写、好调，同时时间上也不差（常数很小），所以后缀数组绝对是OI竞赛之必备神器。

后缀树，实际上就是一棵字典树。考虑将某个串$S$的所有后缀插到一棵Trie里，那么我们就得到了一棵后缀树。在这里，我们不会讲后缀树的构造，只会略微讲一点其的思想。
在后缀树而言，匹配就变成一件易事了。考虑一个字符串匹配问题，如果我们要在一个串$A$中找很多个字符串$B=b_0,b_1,b_2\dots$，那么也只需建好$A$的后缀树，然后直接放就好了……
另外，还有许多扩展应用，但在这里我就不细讲了。下面来讲后缀数组。
同样将一个字符串$S$的所有后缀，按照字典序排序，那么我们就得到了后缀数组。也就是说，后缀数组的第$i$个正是字典序第$i$大的后缀的编号。
好的，那么怎么构造呢？一种方法是从排序入手，由于字符串的比较是$\Theta(n)$的，所以说再乘上排序的比较次数（如使用快排）$n\log_2n$，那么总的时间复杂度就是$\text O(n^2\log_2n)$。
但是，后缀有一些特殊的性质，可以帮我们优化排序。

---

我们要用的方法，是倍增算法，如果，我们每一次比较的时候，并不比较整个后缀，而是每次只比较一部分。
首先，我们将每个后缀的第一个字符排序，做出第一轮的sa（也就是Suffix Array，后缀数组），然后排第二轮，这次排两个字符，相当于是给二元组排序。
然后，我们开始排四个字符，注意到，由于$4=2+2$，所以实际上……我们如果利用上一轮的排名，比如我们搞出另一个$rank$，使$rank(i)$为第$i$个后缀的排名（可能重叠），然后，假设我们现在要排后缀$j$的前四个字符，那么我们将这四个字符拆开，我们就可以得到前面的两个字符和后面的两个字符。前面的两个字符的排名正好是$rank(j)$，而后面的两个字符，则是后缀$j+2$的前两个字符，其的排名是$rank(j+2)$。另外，我们来顺便证明一个定理：将若干个长度相同（设都为$k$）的字符串中的一个（$设为e$）分成两段，长度分别为$l$和$|e|-l$，那么如果我们已知字符串$e$在所有字符串的前$l$的字符构成的串中的排名和剩下来$|e|-l$个字符构成的串中的排名$r_1$和$r_2$，那么整一个字符串的排名等价于二元组$(r_1,r_2)$的排名。证明很容易，我们只需要注意到两个二元组$(a,b)$和$(c,d)$的比较规则是当$a\neq c$时比较$a$和$c$，而当$a=c$时比较$b$和$d$，那么我们就能够看出，由于我们已经有了前面一段的排名，那么我们只需要比较排名，排名哪一个更前，哪一个的字典序就相应的越高；如果其前半段的排名相等，即字典序相等，那么其前半段是完全一样的，我们就可以忽略前半段，比较后半段的排名。仔细一想，我们就可以发现，上面给出的二元组的比较过程，和字典序的比较过程，是完全一样的！只不过，我们“已经比较”过某些东西了，所以不用再直接地比较两两间的字典序了。
利用倍增算法和快速排序的结合，我们可以在$\log_2n\times \Theta(n\log_2n)=\Theta(n\log_2^2n)$的时间内解决这个问题，代码也很短，五六行左右就好了。如果没有时间写其他的话，可以直接用$sort()$和倍增算法相对暴力地解决。
但是，我们有更高效的算法。基数排序！！！

---

在这里，我们可以先按照上一轮的结果将第二个关键字排成一个序（相同的不管它），然后按照这个顺序，桶排。注意，插入的顺序应当和我们预先排的顺序一样。也就是说，大概是下面这样：

for (int i=0;i<n;++i){
    insert(num1[i],i);
}

然后我们再将放进去的二元组再按照桶的大小顺序取出来，放好顺序，基数排序就完成了。
但是，光有构造远远不够，这样我们只能拥有两个数组（而且本质上相同）$rank$和$sa$。我们还需要一个特殊的工具，这个工具叫做最长公共前缀。

---

两个字符串$S_1$和$S_2$的最长公共前缀$Lcp(S_1,S_2)$的定义为

$$Lcp(S_1,S_2)=\max\limits_{i=1}^{\min\{|S_1|,|S_2|\}}\{{S_1}_i | {S_1}_i={S_2}_i\}$$

那么，我们可以很容易地发现，其实某两个后缀的最长公共前缀$Lcp({S_{sa}}_i,{S_{sa}}_j)$的值，实际上是$\min\limits_{k=\min\{{sa}_i,{sa_j}\}}^{\max\{{sa}_i,{sa}_j\}-1}Lcp(S_k,S_{k+1})$。证明很容易，首先显然地，$\min\limits_{k=\min\{{sa}_i,{sa}_j\}}^{\max\{{sa}_i,{sa}_j\}-1}Lcp(S_k,S_{k+1}) \le Lcp({S_{sa}}_i,{S_{sa}}_j)$（相当于若干个公共前缀的公共部分，可能可以再长），另外若设$p=\min\limits_{k=\min\{{sa}_i,{sa}_j\}}^{\max\{{sa}_i,{sa}_j\}-1}Lcp(S_k,S_{k+1})$，$q=Lcp({S_{sa}}_i,{S_{sa}}_j)$，而$q>p$，那么可以推出矛盾，这里不证（篇幅太长了，公式太大了……）
好吧，总之这个被证出来了，那么我们怎样快速地求出$Lcp({S_{sa}}_i,{S_sa}_{i+1})$呢？容易证明，

$$Lcp({S_{sa}}_i,{S_{sa}}_{i+1}) \ge Lcp({S_{sa}}_i,{S_{sa}}_{i-1})-1$$
那么我们就可以不断地用上一个的答案来求出一个下界，再暴力扩展，然后继续求出下一个答案了。最后再用RMQ一搞就好了。
后缀数组的应用相当多，而且实现相对简洁（可能吧），只要多想想，几乎没什么是搞不定的……

【P.S.】后缀数组还可以有各种扩展，比如后缀家族的各种数据结构：后缀树、后缀数组、后缀自动机、后缀仙人掌……所以，太多了……