后缀数组倍增算法模板详解

参考

2009国家集训队论文 后缀数组——处理字符串的有力工具 ——罗穗骞

模板

bool cmp(int* r, int a, int b, int l) { return r[a] == r[b] && r[a+l] == r[b+l]; }

void init(int* r, int* sa, int n, int m) {
    int* x=wa, *y=wb, *t, i, j, p;
    for (i = 0; i < m; ++i) wt[i] = 0;
    for (i = 0; i < n; ++i) ++wt[x[i] = r[i]];
    for (i = 1; i < m; ++i) wt[i] += wt[i - 1];
    for (i = n-1; i >= 0; --i) sa[--wt[x[i]]] = i;

    for (j = 1, p = 1; p < n; j <<= 1, m = p) {
        //注意！每次循环要记得更新m的值！
        for (p = 0, i = n-j; i < n; ++i) y[p++] = i;
        for (i = 0; i < n; ++i) if (sa[i] >= j) y[p++] = sa[i] - j;

        for (i = 0; i < n; ++i) wv[i] = x[y[i]];

        for (i = 0; i < m; ++i) wt[i] = 0;
        for (i = 0; i < n; ++i) ++wt[wv[i]];
        for (i = 1; i < m; ++i) wt[i] += wt[i - 1];
        for (i = n-1; i >= 0; --i) sa[--wt[wv[i]]] = y[i];

        t = x, x = y, y = t, x[sa[0]] = 0;
        for (p = 1, i = 1; i < n; ++i) x[sa[i]] = cmp(y, sa[i], sa[i-1], j) ? p - 1 : p++;
    }

    for (i = 0; i < n; ++i) rk[sa[i]] = i;
    int k = 0;
    for (i = 0; i < n - 1; h[rk[i++]] = k) {
        //注意！这里上界是n-1而不是n，因为sa[n-1] = 0
        for (k = k ? --k : 0, j = sa[rk[i] - 1]; r[i+k] == r[j+k]; ++k);
    }
}

解释

请在理解了算法的基础上食用

参数

void init(int* r, int* sa, int n, int m);

$r$：原字符串

$sa$：后缀数组，$sa[i] = j$ 的含义是 $rank[suffix(j)] = i$ ，即后缀 $[j,n-1]$ 的排名是 $i$，亦即排名第 $i$ 的字符串的开头位置是 $j$

$n$：原字符串的长度，保证 $r[n-1] = 0$

$m$：原字符串中最大的字符值

第一部分

    for (i = 0; i < m; ++i) wt[i] = 0;
    for (i = 0; i < n; ++i) ++wt[x[i] = r[i]];
    for (i = 1; i < m; ++i) wt[i] += wt[i - 1];
    for (i = n-1; i >= 0; --i) sa[--wt[x[i]]] = i;

$wt[\ ]$ 数组完成计数排序的功能。

$x[\ ]$ 数组和后面的用法统一，$x[i]$ 记录以 $i$ 开头，长度为 $j$ 的字符串的排名。在这里，长度 $j$ 为 $1$，故排名可以直接由 $r[\ ]$ 等价而来。

$sa[\ ]$ 数组含义见上，$sa[i]$ 记录排名第 $i$ 名字符串的开头位置，在计算过程中，排名是针对 $[i,i+j-1]$ 一段而言的。

$x[\ ]$ 与 $sa[\ ]$ 互为逆运算。

第二部分

循环体

    for (j = 1, p = 1; p < n; j <<= 1, m = p) {
        //注意！每次循环要记得更新m的值！

当某一次循环结束后所有排名都不相同即可停止，即名次数等于 $n$.

计数排序的上限 $m$ 每次更新为当前不同的名次数。

循环体内

1. 1.

        for (p = 0, i = n-j; i < n; ++i) y[p++] = i;
        for (i = 0; i < n; ++i) if (sa[i] >= j) y[p++] = sa[i] - j;

我们知道，倍增算法的主要思想是基数排序，在这里，基数排序有两个关键字。

$y[\ ]$ 数组记录的是 以第二关键字排序后 第一关键字 的下标位置

即 $y[i] = k$ 的含义是：排名第 $i$ 的第二关键字，其下标为 $k+j$，而其对应的第一关键字下标即为 $k$（因为第二关键字在第一关键字之后 $j$ 位置处）

具体操作上：

显然对于字符串的最后 $j$ 位，它们的第二关键字均为 $0$，所以排在最前面的 $j$ 个。

再从头到尾遍历一遍，将$sa[\ ]$原顺序基本不变地放入$y[\ ]$（注意到它们含义的相似性）。其中，如果 $sa[i]\lt j$，说明前面没有足够的长度给第一关键字，因此 $i$ 位置不能作为一个合法的第二关键字的开始位置；否则记录下第一关键字的位置。

2.

        for (i = 0; i < n; ++i) wv[i] = x[y[i]];

$y[i] = k$ 的含义是：排名第 $i$ 的第二关键字，其对应的第一关键字下标即为 $k$；

$x[i]$ 记录以 $i$ 开头，长度为 $j$ 的字符串的排名；

由此，我们得出，$wv[i]$ 记录 排名第 $i$ 的第二关键字，其对应的第一关键字的排名。也即第二关键字升序排序后对应的第一关键字。

3.

        for (i = 0; i < m; ++i) wt[i] = 0;
        for (i = 0; i < n; ++i) ++wt[wv[i]];
        for (i = 1; i < m; ++i) wt[i] += wt[i - 1];
        for (i = n-1; i >= 0; --i) sa[--wt[wv[i]]] = y[i];

再做一遍计数排序，使得在第二关键字升序的基础上，第一关键字也升序，将下标一个个填进去。

4.

        t = x, x = y, y = t, x[sa[0]] = 0;
        for (p = 1, i = 1; i < n; ++i, ++p) x[sa[i]] = cmp(y, sa[i], sa[i-1], j) ? p - 1 : p;

因为$x[\ ]$与$sa[\ ]$互为逆运算，所有可以由$sa[\ ]$反推$x[\ ]$，为下一次循环做准备。

因为可能有相同的字符串，所以并不是单纯的逆运算，还需要用$cmp()$处理一下排名相同的情况。

bool cmp(int* r, int a, int b, int l) { return r[a] == r[b] && r[a+l] == r[b+l]; }

只需比较第一关键字和第二关键字即可。（注意，这里的 $r$ 不是初始字符串，传进去的参数事实上是 $y$，也即原来的 $x$，即对应段字符串的排名）

第三部分

    for (i = 0; i < n; ++i) rk[sa[i]] = i;
    int k = 0;
    for (i = 0; i < n - 1; h[rk[i++]] = k) {
        //注意！这里上界是n-1而不是n，因为sa[n-1] = 0
        for (k = k ? --k : 0, j = sa[rk[i] - 1]; r[i+k] == r[j+k]; ++k);
    }

求 $height$ 值，利用性质 $h[i]\geq h[i-1]-1$，代码中的 $h[\ ]$ 即为 $height[\ ]$，$k$ 即为 $h[\ ]$