字符串——后缀数组

字符串——后缀数组

后缀数组

记字符串 $S$ 的后缀字符串 $s_i$ 为 $S[i\dots n]$ 即以 $i$ 为起点的后缀，将所有的后缀字符串按照字典序进行排序，得到后缀数组，后缀数组主要包含两个：

1. $sa[i]$ 排名为 $i$ 的后缀字符串的起点。
2. $rk[i]$ 以 $i$ 为起点的后缀字符串的排名。

后缀排序

一种朴素的后缀排序算法的时间复杂度是 $O(n^2\log n)$ 的，通过使用一种倍增的思想，我们能够实现 $O(n{\log }^{2}n)$ 的后缀排序算法。

第一步我们先处理所有子串长度为 $1$ 的 $rk$ 数组的排名，即字符的 ASCII 值本身，可以写作 $rk[i]=str[i]$ ，接下来我们倍增进行扩大子串的长度为 $2,4,8,16,\dots$ ，我们已知 子串长度为 $w$ 的 $sa$ 和 $rk$ 数组，我们可以通过双关键字排序求得子串长度为 $2w$ 的 $sa$ 和 $rk$ 数组。长度不足的子串使用空字符进行不全，易知在字符串尾部添加空字符串并不影响后缀子串的排名。

那么问题就转换成对字符串组 $AB$ 和 $CD$ 进行比较大小，其中 $A,B,C,D$ 都是长度为 $w$ 的子串，很显然，我们先比较 $A$ 和 $C$ 的大小，如果相等再比较 $B$ 和 $D$ 的大小即可，即进行双关键字比较。

根据上面的思路，我们的第一版代码为：

char str[1000005];
int sa[1000005];
int rk[1000005];
int nrk[1000005];

int cnt[1000005];
int idk[1000005];

void suffix_sort(int n)
{
    for (int i = 1; i <= n; i++)
    {
        rk[i] = str[i];
        sa[i] = i;
    }

    for (int w = 1; w <= n; w <<= 1)
    {
        sort(sa + 1, sa + 1 + n, [&](int a, int b){
        	if(rk[a] == rk[b]) return rk[a + w] < rk[b + w];
        	return rk[a] < rk[b];
        });

        for (int i = 1, p = 0; i <= n; i++)
        {
            if (rk[sa[i]] == rk[sa[i - 1]] && rk[sa[i] + w] == rk[sa[i - 1] + w])
            {
                nrk[sa[i]] = p;
            }
            else
            {
                nrk[sa[i]] = ++p;
            }
        }
        memcpy(rk, nrk, sizeof(rk));
    }
}

因为我们的排序值域较小，我们可以使用基数排序优化这个过程，下面的代码时间复杂度为 $O(n\log n)$ 。

char str[1000005];
int sa[1000005];
int rk[1000005];
int nrk[1000005];

int cnt[1000005];
int idk[1000005];

// 后缀排序

void suffix_sort(int n)
{
    for (int i = 1; i <= n; i++)
    {
        rk[i] = str[i];
        sa[i] = i;
    }

    for (int w = 1; w <= n; w <<= 1)
    {
        memset(cnt, 0, sizeof(cnt));
        for (int i = 1; i <= n; i++)
            cnt[rk[sa[i] + w]]++;
        for (int i = 1; i <= 1000000; i++)
            cnt[i] += cnt[i - 1];
        for (int i = n; i >= 1; i--)
            idk[cnt[rk[sa[i] + w]]--] = sa[i];
        memcpy(sa, idk, sizeof(sa));

        memset(cnt, 0, sizeof(cnt));
        for (int i = 1; i <= n; i++)
            cnt[rk[sa[i]]]++;
        for (int i = 1; i <= 1000000; i++)
            cnt[i] += cnt[i - 1];
        for (int i = n; i >= 1; i--)
            idk[cnt[rk[sa[i]]]--] = sa[i];
        memcpy(sa, idk, sizeof(sa));

        for (int i = 1, p = 0; i <= n; i++)
        {
            if (rk[sa[i]] == rk[sa[i - 1]] && rk[sa[i] + w] == rk[sa[i - 1] + w])
            {
                nrk[sa[i]] = p;
            }
            else
            {
                nrk[sa[i]] = ++p;
            }
        }
        memcpy(rk, nrk, sizeof(rk));
    }
}

LCP

待补充