后缀树与最长回文子串

最新推荐文章于 2023-08-08 23:19:26 发布

ice110956

最新推荐文章于 2023-08-08 23:19:26 发布

阅读量4.9k

点赞数 3

分类专栏：算法与ACM 文章标签：后缀树最长回文字串 LCA

本文链接：https://blog.csdn.net/ice110956/article/details/17299453

版权

算法与ACM 专栏收录该内容

16 篇文章 0 订阅

订阅专栏

后缀树与最长回文子串

最长回文子串的问题:

回文串:正反一样的字符串.

如ABCDCBA,反过来是还是ABCDCBA.

回文子串:DABCAEA中有两个回文子串(不包括长度为1的),即ABCA,AEA.

长度ABCA>AEA.

那么字符串DABCAEA的最长回文子串就是ABCA.

解决方法:

1. 遍历所有的子串.

长度N的字符串,共有2^N个子串,去除长度为0,1的,也有2^N-N-1个.遍历的时间复杂度是O(2^N),还要加上判断是否回文的函数.

2. 以某个字符为中心,向两边扩散寻找.

当某个字符为中心较短的子串不满足要求时,其更长的子串也不可能满足要求,减少了遍历算法中许多不必要的计算.

时间复杂度为O(N^2).

3. 后缀树

后缀树是解决许多字符串问题的利器.下面介绍后缀树.

Trie

Trie树,又称字典树,单词查找树或者前缀树,是一个用于快速检索的多叉树. 典型应用是用于统计和排序大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计(@july)。如英文字母的字典树是一个26叉树,数字的字典树是一个10叉树.

Trie利用字符串的公共前缀来节省存储空间,并且能够以空间换时间.

盗用别人的一张图, 给出一组单词，inn, int, at, age, adv, ant, 我们可以得到下面的Trie：

根据上面的trie,我们可以

1. 计算任意某两个单词的最长公共前缀,就是我们待会要详细说明的LCA算法.

2. 快速计算某个单词的出现次数.也就是我们上面说的以空间换时间的方法,建树与查询同时进行,每次根据单词查询或新建节点,计数.时间复杂度为O(N*length),length表示字符串的平均长度.

后缀树

我们再通过trie,即前缀树,来引出后缀树.

后缀的含义:

对于字符串XMADAMYX,他的后缀是从后往前数的任意连续序列,如X,YX，MYX．．．XMADAMYX等都是其后缀，我们记作S[i],表示从第i个到最后的后缀.

S[1], XMADAMYX，也就是字符串本身，起始位置为1

S[2], MADAMYX，起始位置为2

S[3], ADAMYX，起始位置为3

S[4], DAMYX，起始位置为4

S[5], AMYX，起始位置为5

S[6], MYX，起始位置为6

S[7], YX，起始位置为7

S[8], X，起始位置为8

接着,我们用上面trie的方法,把一个字符串的所有后缀建立trie.再盗用一张图.如下:

正如我们上面说的,一般trie是许多字符串生成的前缀树,而这里我们用一个字符串生成N个后缀子串,再用后缀子串生成trie.

上图中,有许多中间节点是多余的,我们要用最少的节点来表示,并且所有的后缀都是叶子节点,那么就做如下的压缩:

1. 每个节点可以存储多个字母.

2. 字符串后加一个结尾,如’$’,那么就不会有任意后缀是其他后缀的前缀,压缩的时候就不会有后缀被压缩掉.

于是,我们得到了压缩的后缀树:

继续盗图:

于是我们概括为 ( 后缀树=后缀子串们+ trie ).

最长回文字串与后缀树

那么后缀子串的trie与最长回文有什么关系呢?

S1=XMADAMYX反过来是S2=XYMADAMX,S1(4)=DAMYX,S2(5)=DAMX,他们的最长公共前缀是DAM,也就是最长回文子串的MADAM的半径.

于是,我们得到了解决最长回文子串的方法.

S1 和翻转 S2,生成的所有后缀子串压入到trie中,计算S1(i)与S2(n-i+1)节点的最低公共祖先,即其最长公共前缀,再得到最长回文子串.

如下图,用S1+’$’ 即翻转后的S2+’#’建立后缀树,得到如下的树.

根据我们上面的描述,我们现在的任务是计算S1(i)和S2(n-i+1)节点的最低公共祖先.如上图1$与8#,2$与7#...等的LCA,最后得出最长的.

LCA（最长公共前缀）

下面我们具体的说说LCA问题,即计算任意两个单词的最长公共前缀.

LCA(Lowest Common Ancestor: ):最低相同祖先,即树型结构中两个节点离root节点最近的公共祖先节点.如下图:

两个黄色节点的LCA为图中所示蓝色节点.

方法: Tarjan'sAlgorithm

Tarjan的方法,深度优先遍历树,用并查集的思想层级记录遍历过节点的祖先情况,具体看下图及代码:

代码：可见算法网站：http://www.csie.ntnu.edu.tw/~u91029/

#include<iostream>
using namespace std;
bool adj[9][9]; // adjacency matrix，数组存树
bool visit[9];  // 访问判断
int lca[9][9];  // 任意两点之间的LCA
int p[9];//并查集数组,表示其夫节点
 
 
int find(int x)
{
   return x == p[x] ? x : (p[x] = find(p[x]));//find函数寻找某个节点的所属集合
}
 
void DFS(int x)
{
   if (visit[x]) return;
   visit[x] = true;
 
cout<<"P[]"<<endl;
   for (int y=0; y<6; ++y)
    {
       cout<<p[y]<<' ';
       }cout<<endl;
   //计算LCA
   for (int y=0; y<9; ++y)
       if (visit[y])
           lca[x][y] = lca[y][x] = find(y);
 
   // DFS
   for (int y=0; y<9; ++y)
       if (adj[x][y])
       {
           DFS(y);
            p[y] = x;   // DFS回溯的时候,改变这个节点所属的集合,即把这个节点加入到更大的集合中.
       }
}
 
void demo()
{
   for (int i=0; i<9; ++i) p[i] = i;//预处理,所有的节点各自为一个并查集
 
   for (int i=0; i<9; ++i) visit[i] = false;
   DFS(0); // 假设树根为0
 
   int x, y;
   while (cin >> x >> y)
       cout << x<<" and "<<y<<" LCA是 " <<lca[x][y]<<endl;
}
 
void buildtree()
{
   adj[0][1]=1;
   adj[1][2]=1;
   adj[1][3]=1;
   adj[0][4]=1;
   adj[4][5]=1;
}
 
int main()
{
   memset(adj,0,sizeof(adj));
   buildtree();
   demo();
   return 0;
}

通过上面的翻转,建树,计算LCA.我们最后得到了以每个字符为中心的最长回文.最后在统计得到总的最长回文.

上述插叙任意两个节点的LCA时间复杂度为O(N).但是我们传统的建树过程,时间复杂度应该是O(N^2).这样,如果是一般较少的查询,建树的时间复杂度会抵消插叙带来的遍历.

后来有人发明了时间复杂度为O(N)的建树方法-Ukkonen,我们就可以大胆地使用后缀树做各种用途了.有兴趣的可以继续深入研究

后缀树的其他用途

最后是后缀树的其他用途(直接拷贝)

(1).查找字符串o是否在字符串S中。
方案：用S构造后缀树，按在trie中搜索字串的方法搜索o即可。
原理：若o在S中，则o必然是S的某个后缀的前缀。
例如S: leconte，查找o: con是否在S中,则o(con)必然是S(leconte)的后缀之一conte的前缀.有了这个前提，采用trie搜索的方法就不难理解了。
(2). 指定字符串T在字符串S中的重复次数。
方案：用S+’$'构造后缀树，搜索T节点下的叶节点数目即为重复次数
原理：如果T在S中重复了两次，则S应有两个后缀以T为前缀，重复次数就自然统计出来了。
(3). 字符串S中的最长重复子串
方案：原理同2，具体做法就是找到最深的非叶节点。
这个深是指从root所经历过的字符个数，最深非叶节点所经历的字符串起来就是最长重复子串。
为什么要非叶节点呢?因为既然是要重复，当然叶节点个数要>=2。
(4). 两个字符串S1，S2的最长公共部分
方案：将S1#S2$作为字符串压入后缀树，找到最深的非叶节点，且该节点的叶节点既有#也有$(无#)。