关于 SAM

Suffix automaton 后缀自动机小记

本文意图从 sam 的性质解释 sam 的构建原理，使得之后复习时对 sam 的特点有更清晰的理解．

注：文章受 Alew_Wei 的博文 常见字符串算法 II：自动机相关 启发．会有许多相关的应用，感谢．

记号/约定：

• $T$：sam 的起点，代表空串的等价类．
• $t_p$：从 $T$ 转移截止到状态 $p$ 的一个子串．
• $c_{p,q}$：状态 $p$ 转移到状态 $q$ 的字符．

---

• $\delta (p,c)$：状态 $p$ 经过 $c$ 转移到的状态．
• $endpos(t)$：字符串 $t$ 结束位置的集合．
• $substr(p)$：状态 $p$ 代表的子串集合．
• $shortest(p)$：状态 $p$ 代表的最短子串．
• $longest(p)$：状态 $p$ 代表的最长子串．
• $minlen(p)$：$|shortest(p)|$．
• $len(p)$：$|longest(p)|$．
• $link(p)$：状态 $p$ 的后缀链接．

一．引理

4 个引理是重要而容易理解的．

1. 两子串的 $endpos$ 包含或不交．
2. 对于一个状态 $p$，$substr(p)$ 中的子串连续，并且较短的串是较长的串的后缀．
3. 后缀链接构成一棵根节点为 $T$ 的树．
4. 后缀链接构成的树和由 $endpos$ 包含关系构成的树相同．

对于后缀链接的理解：状态 $p$ 的后缀链接为 $q$，即从 $longest(p)$ 开始不断丢弃子串前端的字符，直到 $shortest(p)$ 为止，子串 $endpos$ 没有改变．继续丢弃前端的字符，子串的 $endpos$ 会新增加一些位置，变成另一个状态，即 $q$．

二．性质/结论

有 sam 的结构结合引理可以得到这些性质．这些性质是很重要的．

1. 关于后缀链接
   • 从状态 $p$ 沿后缀链接到 $T$，所有状态 $q$ 的区间 $[minlen(q),len(q)]$ 不交，其并构成区间 $[0,len(p)]$．
   • 从状态 $p$ 沿后缀链接到 $T$，所有状态 $q$ 的 $substr(q)$ 的并集构成 $longest(p)$ 的所有后缀．
2. 关于转移
   • 若存在转移 $p\to q$，$\forall t_p\in substr(p),t_p+c_{p,q}\in substr(q)$．
   • $\forall t_q\in substr(q),\exists t_p(p\to q),t_p+c_{p,q}=t_q$．
3. 还是转移
   • 对于状态 $q$，不存在 $p\to q,len(p)+1>len(q)$．
   • 对于状态 $q$，唯一存在 $p\to q,len(p)+1=len(q)$．
   • 对于状态 $q$，唯一存在 $p\to q,minlen(p)+1=minlen(q)$．

到这里，我们回头考察一下这些性质．1 中的性质可以通过 引理 中 对于后缀链接的理解 证明．2 中的性质可以用 sam 的 $DAWG$ 的性质证明．3 中的性质则是 1 和 2 的结合和补充．

记 $mxtrs(q)=p(p\to q,len(p)+1=len(q)),mntrs(q)=p(p\to q,minlen(p)+1=minlen(q))$．

4. 对于状态 $q$，所有 $p(p\to q)$ 在 parent tree 上形成一段从 $mxtrs(q)$ 到 $mntrs(q)$ 深度由深到浅的链．

结论 4 结合前面的结论是容易理解的．

从图上，我们可以这样去理解它：

三．构建

有了 一、二 两部分的铺垫，构造的过程就比较易懂了．考虑新增一个字符 $c$ 构成的串为 $s$，之前的串为 $s^{\prime }$．$s^{\prime }+c=s$．令 $|s|=n$．

相较于 $s^{\prime }$，$s$ 中只多出了一个新子串 $s$，只有 $s$ 的后缀 $endpos$ 新增了 $n$．

在 parent tree 上，我们记一个状态 $p$ 到 $T$ 的简单路径经过的状态集合为 $R{d}_p$．

新建节点 $np$，$endpos(np)=n$．
$s$ 的真后缀可以表达为 $s^{\prime }$ 的后缀 $+c$．设状态 $p_{s^{\prime }}$ 满足 $s^{\prime }\in p_{s^{\prime }}$，$向上遍历 $R{d}_{p_{s^{\prime }}}$，在这个过程中处理 $p\to np$ 的新增转移并找到 $link(np)$．

对于过程中第一个 $p\in R{d}_{p_{s^{\prime }}},\exists \delta (p,c)$，每个之前的节点 $p^{\prime }$ 有新增转移 $\delta (p,c)=np$．
在这部分中，$\forall t_{p^{\prime }}$，$t_{p^{\prime }}+c$ 不属于 $s^{\prime }$ 中的任意一种等价类．故 $t_{p^{\prime }}+c\in np$．

记 $\delta (p,c)=q$．接下来我们分两种情况讨论：

1. $len(q)=len(p)+1$．这说明 $\forall t_q$，$t_q$ 为 $s$ 的后缀．可以直接让 $link(np)=q$．
2. $len(q)>len(q)+1$．这说明 $\exists t_q$，$t_q$ 不是 $s$ 的后缀．我们把 $q$ 分为两部分 $nq,mq$ 分别表示是 $s$ 后缀的部分和不是 $s$ 后缀的部分并用两者代替 $q$．令 $link(nq)=link(q),link(mq)=nq,len(nq)=len(p)+1,len(mq)=len(q)$．它们的转移都和 $q$ 的转移相同．继续跳 $p$ parent tree 上的祖先 $p^{\prime }$，$\delta (p^{\prime },c)$ 能够表达的子串一定 全部 为 $s$ 的后缀，故不用继续向上检查．直接令 $link(np)=nq$．
   这之后，我们顺着 $p$ 向上跳后缀链接，将满足 $\delta (p^{\prime },c)=q$ 的点进行操作 $\delta (p^{\prime },c)\leftarrow nq$．

---

发现我们在上述讨论中完美地构造了状态 $np$．构造它的过程中巧妙地串联起来 $s^{\prime }$ 和 $s$ 后缀的关系．

关于增量法构造 sam 的上述讨论，都是和之前所提到的结论相照应的．
在理解时，尤其注意结合 性质 4：对于状态 $q$，所有 $p(p\to q)$ 在 parent tree 上形成一段从 $mxtrs(q)$ 到 $mntrs(q)$ 深度由深到浅的链．

四．应用、例题

这部分可能会在以后更新．