SAM详解1

SAM

前言

过于神秘的字符串，但是被同学怂恿，说学会 SAM 就学会了所有字符串算法，心动了过来学，果不其然被创飞了。但研究?天，故余虽愚，终有所获。

由于作者学艺不精，文中可能会有疏漏，如发现错误欢迎指出，那么我们开始旅途吧。

这里是我看的四篇参考文章，质量挺高的：

OI-Wiki

Alex_Wei的博客

command_block的博客

ZTer的博客

1. 一些准备

概论

SAM 的定义：一个长为 $n$ 的字符串 $s$ 的 SAM 是一个接受 $s$ 的所有后缀的最小的有限状态自动机(下文称为自动机)。

对于有限状态自动机，可以理解为一个 DAG，即有向无环图，边上有字母，每走过一条边就相当于带上这个字母，每个节点存储一个或多个字符串。然后这个图有初始节点 $P$ 和一个或多个终止节点。其它节点均可从 $P$ 出发到达。

SAM 能表示某个字符串的所有子串。

但其实我们只要构造一个含有所有后缀的自动机，其就含有所有子串。

证明很简单，自动机都是一个个字符跳的，如果能跳到这个串，那么也一定经过了所有前缀。

不难有暴力，将原串的所有后缀插到一个字典树中就可以了，但是复杂度 $O(n^2)$ 级别，非常不好。

记号

在下文中，字符串的下标从 $1$ 开始。

• 记 $s_i$ 或 $s[i]$ 为字符串 $s$ 的第 $i$ 位。
• 记 $s_{[l,r]}$ 或 $s[l,r]$ 表示 $s$ 中下标从 $l$ 到 $r$ 的子串。
• 记 $n$ 或 $|s|$ 为字符串 $s$ 的长度。

2. $\mathrm{endpos}$

概述

我们定义一个子串的 $\mathrm{endpos}$ 是它在原串中结束位置的集合。

例如原串为 $\mathrm{ababc}$，则 e n d p o s ( a b ) = { 2 , 4 } , e n d p o s ( c ) = { 5 } \mathrm{endpos(ab)}=\{2,4\},\mathrm{endpos(c)}=\{5\} endpos(ab)={ 2,4},endpos(c)={ 5}

我们把 $\mathrm{endpos}$ 相同的的子串称为一个等价类。如 $\mathrm{endpos}(\mathrm{b})$ 和 $\mathrm{endpos}(\mathrm{ab})$ 相同，它们属于同一个等价类。

下文中用 $edp$ 代表 $\mathrm{endpos}$

性质

然后有一些性质。

下面设两个字符串分别为 $s1,s2$，且约定 $|s1|\le |s2|$。

引理 $2.1$

$s1$ 是 $s2$ 的后缀 $⟺edp(s2)\subseteq edp(s1)$

这点显然， $s1$ 是 $s2$ 的后缀，每次出现 $s2$ 时必定出现 $s1$，但出现 $s1$ 时不一定出现 $s2$，得证。

引理 $2.2$

要么有 $edp(s2)\subseteq edp(s1)$，要么有 $edp(s2)\cap edp(s1)=\varnothing$

这点也可以看出，引理 $2.1$ 证明了前半部分，对于后半部分考虑反证，若存在 $i$ 为公共部分，则可以推出 $s1$ 是 $s2$ 的后缀。不存在这样的 $i$ 则可以说明 $s1$ 不是 $s2$ 的后缀。所以这个分类正确。

引理 $2.3$

一个等价类中不会包括两个本质不同而长度相同的串。

考虑反证。

假设存在一个等价类 $[s]$，其中包含两个本质不同但长度相同的串