后缀自动机（SAM）学习笔记

构图及原理

定义

算法

后缀自动机（SAM）就是一个要实现能存下一个串中所有子串的算法，按一般来说应当有$O(N^2)$个状态，而SAM却可以用O(N)个状态来表示所有子串，因为它把很多个本质相似的子串映射到了同一个状态上，从而实现了这个优美的算法。

点

1. $S$：原串，我们要求的就是$S$的后缀自动机。
2. $Right_{str}$：表示$str$在母串$S$中所有出现的结束位置的集合。
3. $s$（状态）：表示所有$Right$集相同的字符串合成的状态。
4. $Parent_s$：表示$Right$集包含了$Right_s$并且集合最小的状态。设转移的表示为$trans(状态，字符) = 状态$

边

1. $parent$边：一个状态指向它的$Parent_s$。（而由$parent$边构成的树可以称为$parent$树）
2. $'a'$ ~ $'z'$（或某些字符）字符边：有一个状态，后面加上一个字符后所指向的状态。

注意：
1. 一个状态可以由多条字符边转移而来，因为它包含多个子串，但只能有一条$Parent$边转移来。
2. 一个状态连出去的字符边不一定所有包含的子串后都能接这个字母，只是代表有某些包含的子串后能接这个字母。

一些简单的性质

1.$Right$集的性质

1. 对于两个子串$a$, $b$的$Right$，只有两种情况，有交集和没有交集。考虑有交集的情况，如果有交集，那么显然一个子串是另一个子串的后缀，设$a$是$b$的后缀，那么$Right_b\subset Right_a$。即对于两个子串的$Right$要么包含，要么没有交集。所以对于一个状态$s$所表示的字符串，它们的右端点必定相同，而左端点必定是连续的一段。如下图：
   
2. 如果一个状态的$Right$集越大，就说明符合的子串越多，那么限制肯定就越小，所以左端点距右端点的距离就越小。而随着右端点的向右移动，符合一种条件的子串就越来越少，所以$Right$集就会变小（当然可能会分出两组不同的状态）。我们令一个状态$s$所表示的区间是$[Min_s, Max_s]$，显然的$Min_s - 1 = Max_{Parent_s}$,对于一个状态，我们记$Len_s$表示$Max_s$。

2.$Parent$树的性质

1. 怎么理解$Parent$树？我们从叶子结点往根上走时，就是一些不相交的$Right$集不断合并的过程（因此我们不需要把$Right$集的全部节点存下来）。
2. 如果$trans(s1, c) = trans(s2, c) = trans(s3, c) .... = t$,那么状态$s1, s2, s3 ...$在$Parent$树上肯定是在一段连续的链上的。因为在这些子串的右端点加上一个字符$c$后，它们的$Right$集又重新相等，证明它们本来就是包含且连续的关系。
3. $Parent$边简单来说，即表示不断寻找后缀的过程

构造方法

注：这里很多推理都是有上面的性质得来的，如有不理解的可以再回顾一下性质。

假设我们已经完成了前$|S| - 1$个字符的插入（为$T$串），现在插入第$|S|$个($c$)字符（为$S$串）。
要想SAM继续保持它的功能，就要加入$S$串的所有后缀。而$S$串的所有后缀都可以由$T$的后缀加一个字符转移而来。由于必定存在一个$Right_x$仅为$|T|$的状态。并且根据$Parent$树的性质，它的祖先的$Right$集肯定也含有$|T|$，所以它们肯定构成了一条在$Parent$树中的链。所以我们只要沿着这条链就能找到所有$T$的后缀。而我们讨论一下在$Parent$链上走的意义，即不断跳到当前字符串的后缀（当我们走完这条$Parent$链时就意味着|T|的所有后缀都遍历完了）
在沿着这条链走的时候会出现两种情况，假设到达的状态是$x$。
（我们新加一个节点$np$，表示$Right$只含$|S|$的新状态。即$len_{np} = |S|$）

1. $trans(x, c) = Null$：即当前这个状态没有沿$c$转移的边，所以我们只要连一条为$c$的字符边到$np$就处理完这种情况了。

2. $trans(x, c) \ne Null$：假设第一个找到的节点为$x$，转移到的节点为$q$。那我们怎么把$|S|$这个位置加入$Right_q$?我们发现，如果强行把$|S|$加入$Right_q$中，可能会使$q$节点出现矛盾，即$len_q$变小。我们来看一下下面这个例子：
   
   如图，如果$len_q = len_x + 1$那么就不会有这种问题，直接让$Parent_{np} = q$就可以了。但如果$len_q > len_x + 1$,详细的说，就意味着有更多的子串共享$q$这一个状态，如果$|S|$加进当前状态的$Right$集，可能会出现这个状态中的一些子串与到达$|S|$这个结束端点矛盾。如上面一些蓝色的串就不能放在后缀为$|S|$的位置，会与$B$字符矛盾。那么讨论就要复杂点。我们可以把$q$分成两种状态。如下图。
   
   如图，我们可以把$q$串分出一个$nq$来解决这个问题，只要我们把它再细分化，把符合结束位置为$|S|$的子串和不符合的分开。就可使$nq$的$Right$集包含$|S|$，从而解决这个问题。那么显然$len_{nq} = len_x + 1$，由于$nq$是$q$分出来的一个$Right_{nq}$包含$Right_x$的状态，所以自然$Parent_{nq} = Parent_q， Parent_{q}= nq$，当然也要使$Parent_{np} = nq$。并且考虑$nq$字符边的转移，由于结束位置为$|S|$的子串后是没有字符的所以它的转移状态是和$q$一样的。

注意第一种情况一定是在第二种情况前出现的，而第二种情况就意味着一段段后缀的处理。

最后，我们还要处理别连向$q$的状态，可以知道的是它们是连续一段的，所以把它们转移到$q$的边都改为转移到$nq$的边就可以了。而对于其它有$c$的字符边，且指向状态不为$q$的，由于$q$都已经能分离出合法状态了，那么那些节点的$Right$集都是可以直接加入$|s|$。至此，我们就已经把$T$的所有后缀都建立了转移到$S$后缀的方案。

程序

非常好实现。

//Suffix Automaton’s Build YxuanwKeith
//S为根，一开始tot = 1表示已经给根编号为1
void Add(int c) {
    int Nt = ++ tot, p = Last;
    //Last表示前缀T的最长后缀对应的状态。
    Tr[Nt].Len = Tr[Last].Len + 1, Last = Nt;
    for (; p && !Tr[p].Go[c]; p = Tr[p].Pre) Tr[p].Go[c] = Nt;
    if (!p) Tr[Nt].Pre = S; else {
        int q = Tr[p].Go[c];
        if (Tr[p].Len + 1 == Tr[q].Len) Tr[Nt].Pre = q; else {
            int Nq = ++ tot;
            Tr[Nq] = Tr[q];
            Tr[q].Pre = Tr[Nt].Pre = Nq;
            Tr[Nq].Len = Tr[p].Len + 1;
            for (; p && Tr[p].Go[c] == q; p = Tr[p].Pre) Tr[p].Go[c] = Nq;
        }
    }
}

例题及应用（未完成）

（未完待续……）

参考资料

1. 张天扬《后缀自动机及其应用》（这个可以作为辅助资料）
2. 陈立杰《Suffix Automaton后缀自动机》（这个讲的比较详细，容易理解）