后缀数组基础

后缀数组 $sa$ 和排名数组 $rk$

例题一：后缀排序。

设 $s{a}_i$ 为把字符串 $s$ 的所有后缀排序后，排名第 $i$ 的后缀。例题要求的就是 $sa$.

设 $r{k}_i$ 为把字符串 $s$ 的所有后缀排序后，后缀 $i$ 的排名。

显然
$$s{a}_{r{k}_i}=r{k}_{s{a}_i}=i.$$

求 $sa$ 和 $rk$（ $O(n\log n)$）

如果直接排序是 $O(n^2\log n)$ 的，不能接受。

注意到我们排序的元素有一些“包含”。使用倍增思想来排序。

设 $r{k}_{w,i}$ 为子串 $s_{i\sim i+2^w-1}$ 的排名。那么每次倍增合并后缀的排名，使用双关键字排序，最后得出的就是 $rk$ 数组。

如图所示（《后缀数组——处理字符串的有力工具》，有改动）

那么内层排序我们使用基数排序和计数排序，就可以实现 $O(n\log n)$ 排序。

小优化：发现第二关键字无需计数排序，可以直接按值加入（ 详见代码）。

m = 256; // m represent the range of the value of rk
for (int i=1; i <= n; i++) b[rk[i] = s[i]]++;
for (int i=1; i <= m; i++) b[i] += b[i-1];
for (int i=n; i >= 1; i--) sa[b[rk[i]]--] = i;
for (int w=1; w <= n; w <<= 1)
{
    // The second key word doesn't need counting sort
    int c0 = 0;
    for (int i=n-w+1; i <= n; i++) c[++c0] = i; // [n-w+1,n] don't have the second key word, so they're the smallest
    for (int i=1; i <= n; i++) // i is the value of the second key word
        if (sa[i] > w) c[++c0] = sa[i]-w; // sa[i] is the position of i
    // Sort the first key word
    clear(b);
    for (int i=1; i <= n; i++) b[rk[i]]++;
    for (int i=1; i <= m; i++) b[i] += b[i-1];
    for (int i=n; i >= 1; i--) sa[b[rk[c[i]]]--] = c[i]; // Two-key-word counting sort
    memcpy(old,rk,sizeof old); // old rk
    // Compute new rk
    for (int i=1; i <= n; i++)
    {
        if (old[sa[i]] == old[sa[i-1]] && old[sa[i]+w] == old[sa[i-1]+w]) rk[sa[i]] = rk[sa[i-1]];
        else rk[sa[i]] = rk[sa[i-1]]+1;
    }
    m = c0;
}

简单应用

例题二：字符加密。

题目大意：求字符串 $s$ 最小的循环同构串。

把原字符串复制一遍，就变成了后缀排序问题。

例题三：【模板】AC自动机。

题目大意：给出文本串 $s$ 和多个模式串 $t_i$，求 $t$ 在 $s$ 中有没有出现。

因为我找不到别的题了，所以就只能用这一题。

若 $t_i$ 在 $s$ 中有出现，那么它一定是一个后缀的前缀。那么我们在 $sa$ 上二分，找到最小的 $⩾t_i$ 的后缀即可。

时间复杂度为 $O(|t_i|\log n)$，比 AC 自动机多一个 $\log$，但是在线。

高度数组 $height$（ 以下有时简称为 $h$）

设 $heigh{t}_i=\text{lcp}(s{a}_i,s{a}_{i-1})$，即排名第 $i$ 的后缀和排名第 $i-1$ 的后缀的最长公共前缀。

求 $height$ 数组

引理一
$$h_{r{k}_i}⩾h_{r{k}_{i-1}}-1.$$
证明：当 $h_{r{k}_{i-1}}⩽1$ 时，引理成立。

当 $h_{r{k}_{i-1}}⩾1$ 时，即 $\text{lcp}(i-1,s{a}_{r{k}_{i-1}-1})⩾1$.

设后缀 $i-1$ 为 $\text{aAC}$，后缀 $s{a}_{r{k}_{i-1}-1}$ 为 $\text{aAB}$，其中 $\text{a}$ 为一个字符，$\text{A}$、$\text{B}$、$\text{C}$ 均为子串，$\text{B}$ 可为空。显然 $\text{B}<\text{C}$.

则后缀 $i$ 为 $\text{AC}$. 所以 $\text{AB}<\text{AC}=$ 后缀 $i$.

又因为后缀 $s{a}_{r{k}_i-1}$ 是最大的小于后缀 $i$ 的后缀，所以 $\text{AB}⩽s{a}_{r{k}_i-1}<\text{AC}=$ 后缀 $i$.

所以 $\text{lcp}(i,s{a}_{r{k}_i-1})\supseteq \text{A}$. 所以 $h_{r{k}_i}⩾h_{r{k}_{i-1}}-1$.

那么有了这个引理，就可以求出 $height$ 数组了。

for (int i=1, k=1; i <= n; i++)
{
    if (k) k--;
    while (s[i+k] == s[sa[rk[i]-1]+k]) k++;
    height[rk[i]] = k;
}

$k$ 最多减 $n$ 次，所以最多加 $2n$ 次，均摊时间复杂度是 $O(n)$.

求子串的最长公共前缀

引理二
KaTeX parse error: Expected 'EOF', got '&' at position 104: …j). \end{cases}&̲i\leqslant k\le…
证明：当 $i=k$ 或 $k=j$ 时，引理成立。

当 $\text{lcp}(s{a}_i,s{a}_j)=0$ 时，引理成立。

否则，设
$$\begin{gathered} \text{lcp}(s{a}_i,s{a}_k)=\text{A},\text{lcp}(s{a}_k,s{a}_j)=\text{B},\text{lcp}(s{a}_i,s{a}_j)=\text{C}, \\ |\text{A}|=a,|\text{B}|=b,|\text{C}|=c. \end{gathered}$$

异德 $c⩾\min (a,b)$，$\text{A}<\text{B}$.

假设 $c>a$，如图所示，则 $\text{C}\subset \text{A}$.

容易看出 $\text{A-C}⩽\text{D}⩽\text{A-C}$，即 $\text{A}=\text{C}$，与 $c>a$ 矛盾。

$c>b$ 的情况同理。那么引理得证！

所以得到定理一
$$\begin{array}{rl}\text{lcp}(s{a}_i,s{a}_j)& =\min (\text{lcp}(s{a}_i,s{a}_{i+1}),\text{lcp}(s{a}_{i+1},s{a}_j))\\ & =\min (\text{lcp}(s{a}_i,s{a}_{i+1}),\min (\text{lcp}(s{a}_{i+1},s{a}_{i+2}),\text{lcp}(s{a}_{i+2},s{a}_j))\\ & \cdots \\ & =\underset{k=i+1}{\overset{j}{\min }}heigh{t}_k.\end{array}$$
那么就可以把求子串的 $\text{lcp}$ 转化为 $height$ 数组的 RMQ 了。

简单应用

例题四：[GDOI 2015] 短信加密。

题目大意：给出一个字符串 $s$，对于 $s$ 的 $k$（ $k⩾2$）个不重叠且相同子串 $t$，它的代价为 $k|t|$. 求最大的 $k|t|$ 和相应的字典序最小的 $t$. $n⩽10000$.

重复出现子串就相当于两个后缀的 $\text{lcp}$.

枚举 $|t|=l$. 把 $height$ 分块，满足每块内的 $height$ 值都 $⩾l$，有些后缀不属于任何一个块。

根据 $height$ 的定义，块内的任意两个后缀的 $\text{lcp}$ 都 $⩾l$，块外两个都 $⩽l$.

那么我们贪心地求 $t$. 异德 $t$ 越靠前，$k$ 越大。所以将块内的 $sa$ 排序，必须选第一个，能选的尽量选。