后缀自动机总结……

【有用qu的资料】

1.总之学SAM就去看clj学长的ppt就好，浅yi显lian易meng懂bi。

2.以及这个blog……模拟SAM运行的过程十分到位

http://www.cnblogs.com/oyking/archive/2013/08/02/3232872.html

3.这个blog的总结，大概有一群启发

http://blog.sina.com.cn/s/blog_8fcd775901019mi4.html

4.这里大概算是SAM题集锦了？

http://blog.csdn.net/thy_asdf/article/details/51569443

 

 

字符串处理的话，如果不是鬼畜dp，大概大爷们第一眼hash第二眼就是后缀数组后缀树后缀自动机了。弱菜我一看SA那谜一般的颜值就选择了SAM【望天】。

SAM其实应该是一只（为了节约空间而从一只trie树简化成的）DAG，优秀的性质就是原本n^2级别的点的个数被优化到了线性级别……然而这个优化的思想……亦可赛艇

 

首先是一堆鬼畜的名词，right集合，parent树，某节点（状态）的min和max。这些先不管，也先不管如何建SAM以及它的正确性。我们先考虑SAM如何做到在大量减少节点个数的情况下不造成信息的缺失

1)首先，SAM比起trie树，是一只DAG。也就是说，同一个节点，从根到达的方式很可能不止一种。因此同一个节点可以表示多个子串。

2)如果只用SAM记录一个字符串的所有子串，可以按照trie树的遍历方式直接dfs，显然可以得到所有子串。

3)因为是一只DAG，显然对于一个节点i，无论到达i的路径长什么样子，以i为源点的子图（意会一下反正就是从i出发可以到达的点和这个过程中经过的边的集合）必然是不受影响的，于是在预处理的时候，可以O(点的个数)地处理这些点的子图的信息，在查询的时候可以O(1)地获取这个子图的信息。而这个性质和树十分相似，所以会有一些丧心病狂的SAM上dp。

 

反正SAM的代码十分好背，不如仔细理解一下那些鬼畜名词好了。

━对于SAM的一个状态，代表了多个子串。

1.这个状态的right集合就是此状态代表的子串们在原串中的结束位置的并集。于是right集合有一个很优美的性质→一个状态right集合的大小就是这个点所代表子串在原串中的出现次数。

2.每个状态有一个pre（或者father或者parent反正只是个名字，就算叫fail也是支持的）指针。在进行匹配的时候，这个pre的作用和AC自动机里的fail指针类似。而对于一个状态i，pre[i]表示在right集合包含i的right集合的状态中，集合中元素个数最少的那个状态。

3.这个状态代表的串的长度是一个区间，min是这个区间的最小值，max是这个区间的最大值。

━赌五毛上面那一堆看不懂，不如先分析一下；

1.对于一个串s，它的一个子串ss可以在s中出现若干次，而ss的若干个结尾位置的并集就是那个 可以表示子串ss的状态i的right集合，将这个集合记为R。

2.如果我们对ss进行一种操作，每次操作去掉ss的首字母，设若干次操作后得到的字符串为ss’，ss’必然为s的子串，且在进行操作次数较少时，有可能ss’和ss的right集合相等。而当right集合发生变化时，一定只会增加一些元素。

3.于是对于right集合相同的字符串，表示它们的状态所能够进行的转移必然也是相同的，因此，他们在SAM的DAG中，后继的节点也可以重复使用，这就是SAM节约空间的原理。

4.对于两个子串a和b，设a的right集合为RA，b的right集合为RB，状态ia可以表示a，状态ib可以表示b。若RA是RB的真子集，则b必然是a的后缀，且在parent树中，ib定为ia的祖先。

 

来考虑如何建立一个SAM

1.先考虑在O(n^2)地建立后缀树时，在得到关于一个字符串s的后缀树后，可以极快地构建关于s+’x’的后缀树（只需要在结束每个结束节点标号为’x’的边指向的节点定义为新的结束节点即可。

2.而SAM是一棵压缩成DAG的后缀树。不妨假设它也有这个性质。

3.我们来考虑如何进行这个[修改结束节点]的操作。

i) 对于可以表示整个串s的节点i，它在parent树上的祖先必然都可以表示s的后缀，因此要对这条链上的节点进行修改；

ii) 在发现某个祖先节点已经有了’x’这个儿子时，并不能直接对像在trie树上一样直接对这个节点进行操作，因为这是DAG，这个儿子可能是公用的，如果直接修改的话，可能会影响其他节点的信息。

iii) 此时，可以判断一下若进行修改是否会有信息丢失，若有则新建一个儿子节点，来单独记录这个结束信息，并且因为不能影响它后续的访问，将原有儿子节点的转移信息全部复制到新建的节点中。

若有信息丢失，则应为max集合变小（详见clj的ppt），因此在判断时只需要对比当前冲突节点及其儿子的max值。

iv) 同样的，parent树上的父子关系也需要进行更新。

4.关于right集合大小的计算，在赋初值的时候只需要给“np”部分的赋值为1，right集合大小完全可以从儿子到父亲地dp上去。

只有np会赋值为1的原因，是只有np中会有新出现的一个right集合的元素，也

就是当前np的dis值。而这个值并不存在于当前节点子树中的任一节点的right集合中。

 

 

反正……SAM的代码还是很好写的嘛。