实用算法实现-第 8 篇 后缀树和后缀数组 [2 最长公共子串]

8.3    最长公共子串

求N个串的最长公共子串，可以转化为求一些后缀的最长公共前缀的最大值，这些后缀应分属于N个串。设N个串分别为S1，S2，S3，…，SN。

具体方法如下：

1. 建立字符串S，使得S = S1[P1]S2[P2]S3…SN-1[PN-1]SN。其中P1，P2，…，PN-1应为不同的N - 1个不在字符集中的字符，作为分隔符。插入分隔符的目的是为了防止S的后缀的公共前缀超出原有串Si的范围。

2. 求出S的后缀数组及其Height数组。可以用倍增算法，或DC3算法。

3. 将S1，S2，S3，…，SN的公共子串大小至少为A的真假表示为check(A)，如果check(A) == true那么对于任意A’(A’< A)，都有check(A’) == true。故此，可以对区间[0, L]二分，从而找到最大的A，使得check(A)== true成立。其中L为S1，S2，S3，…，SN中最短的字符串的长度。可知，共需调用验证函数check()的次数为O(logL)。

4. check()函数的思想为：找出一个区间[i, j]，使得对任意i ≤ k ≤ j均有Height[k] ≥A，同时S1，S2，S3，…，SN中每个字符串Sp，在[i, j]中均存在q，使得SA[q]原属于Sp，即(Pq-1在S中的下标)≤SA[q] ≤ (Pq在S中的下标)。根据LCP定理，有LCP(i, j) ≥A。故此所有后缀SA[k](i≤k≤j)都有长度至少为A的共同前缀。进一步，由于分隔符的存在，S1，S2，S3，…，SN中所有的字符串都有长度至少为A的公共子串。

5. 寻找区间[i, j]的思想为：在区间[0, n-1]内向后枚举i，直至满足Height[i] ≥ A。然后在区间[i, n-1] 向后枚举j直至Height[i] ≥A不满足。其中n为S的长度。然判断区间[i, j]是否满足4.中条件。若满足条件，则check()函数返回true；不满足，则在区间[j, n-1]内继续向后枚举i和j，因为必有height[j] < A或者j > n-1。由于i, j只是扫描了一遍区间[0,n-1]，可以知道寻找区间（即check()验证）的时间复杂度为O(n)。

8.3.1   实例

PKU JudgeOnline, 3450, Corporate Identity.

8.3.2   问题描述

给出一组字符串，求出它们的字典序最小的最长公共子串。

8.3.3   输入

3

aabbaabb

abbababb

bbbbbabb

2

xyz

abc

0

8.3.4   输出

abb

IDENTITY LOST

8.3.5   分析

bool check(int A)函数是用来判断一组字符串是不是有长度至少为A的公共子字串。findLeast()函数是check()的增强版，它在后者基础上找出了字典序最小的长度为A的公共子串。当然findLeast()比check()的速度慢，因为前者要找出所有长度至少为A的公共子串，并且从中取出字典序最小者。所以在二分A的时候，使用check()函数，在确定A的最大值之后则用findLeast()。

PKU JudgeOnline, 3080, Blue Jeans和这个题目几乎一样，只不过数据要弱很多。

8.3.6   程序

#include <stdio.h>
#include <iostream>
#include <stdlib.h>
using namespace std;
inline bool leq(int a1, int a2,   int b1, int b2) { // lexic. orderfor pairs
  return(a1< b1 || a1 == b1 && a2 <= b2);
}                                                  // and tripl