后缀自动机：从入门到放弃

写在前面

后缀自动机，简称$SAM$,是一种十分优秀的字符串匹(shu)配(ju)算(jie)法(gou)

字符串界的$boss$，几乎可以解决全部正常的字符串题目

至少我前前后后学了一年，听过$4$次课，几度怀疑自己不适合$oi$

请做好心理准备

定义

有限状态自动机

不管，可以理解为有向图。

唯一的区别是信息储存在边上，每个点有字符集个数的转移到若干其他点，类比字典树。

如果对于一个字符串，沿着每个点的转移走，如果不出界，称该自动机可以表示这个字符串。

以下将“点”称为状态

能干啥

后缀自动机能表示母串的所有子串。

算法流程

首先明确一点：子串规模是$O(N^2)$的

所以一个状态必须表示多个子串

也就是说，我们要定义出等价的子串

对于一个子串$S$，定义$endpos(S)$为$S$在原串中所有出现的结束位置的集合

每个状态与一个$endpos$集合一一对应。即一个状态表示一个$endpos$集合。

需要注意的是，$endpos$是完全虚构的，在代码中不会出现。

然后可以表示所有$endpos$等于它的字符串，称这些子串为一个$endpos$等价类

转移

此时我们定义转移为这个类所有串加上这个字符后所在的转移。

一个类的同一个转移是相同的，因为向$c$的转移的本质是当前$endpos$整体后移一位的所有$c$的位置。

感性理解。

两个性质

1.两个子串$S_1,S_2$满足$S_1$是$S_2$的后缀，当且仅当$endpos(S_2)\subseteq endpos(S_1)$

$S_2$出现的地方一定有$S_1$出现，但有$S_1$出现的地方不一定有$S_2$

2.一个等价类中的子串均为该类中最长串的后缀且长度连续

第一个显然

对于一个串$S$，若有后缀$S_1$长度小于$S$,且$S_1$和$S$是等价类

设$S_2$为长度在它们之间的后缀

有$endpos(S)\subseteq endpos(S_2)\subseteq endpos(S_1)$

因为$endpos(S)=endpos(S_1)$

所以$endpos(S)=endpos(S_2)=endpos(S_1)$

说明它们之间的串都是一个等价类

Parent链

由于类中的长度只有一段，逼死强迫症

所以我们定义每个状态$S$的$fail$指针

满足$endpos(S)\in endpos(fail(S))$

且$fail(S)$要尽量靠后

可以理解为：从一个状态沿$fail$往上跳，取出该类中的所有串，你将会见证这个串不断失去第一个字符，不断变为后缀，最后变成空串。我们称这条链为$parent$链。

先放个图，以$AAB$为栗子

可能看不出啥，但有个大概印象吧

构造算法

SAM 采用增量算法，即一个一个字符插入

这使得 SAM 擅长处理动态问题

现在假设插入第$i$个字符，前$i-1$个的 SAM 已经建立好

首先，上一个插入的点是整个串所在的状态，记为$p$

新建一个节点，记为$cur$。显然$cur$最长的长度为当前串的长度。

由于其他子串已经处理了，我们要做的，就是搞出当前串的后缀

此处分$3$种情况

①最简单的情况

栗子：$\text{AA}$插入$\text{B}$

此时$cur$是 { 3 } \{3\} {3}

由于每个类里的字符串是等价的（感性理解）

我们可以找到旧的串的所有后缀，给它加上新的字符

也就是让$p$沿着$fail$不断跳，令$ch[p][S[i]]=cur$

即：原来的所有后缀加上新来的字符就成了新的后缀

最后$fail(cur)=1$，完结撒花

②然而这只是最简单的情况

栗子：$\text{AA}$插入$\text{A}$

没区别

咦？已经有转移了呀

说明什么？

说明现在新串的这个后缀已经在之前的串中出现了

那这个后缀的后缀也一定出现了

（请摆脱这个栗子）

记$q=ch[p][S[i]]$

上面的话翻译一下，$p$表示的串$+S[i]$已经出现了

而这个玩意就是$q$

……吗？

$p$的最长串$+S[i]$一定在$q$上(定义)，但不一定是$q$最长的

先讨论是最长的的情况

$yy$一下，我们要找的后缀不就是$q$的最长串吗？

而这个后缀的后缀，也就是我们后面要找的，就在$q$的$parent$链上

这么说来，我们令$fail[cur]=q$就好了

over

③然而还有个最复杂的情况

也就是上面的不是$q$最长的

栗子：$\text{AAB}$加$\text{B}$

走程序

停

此时的$q$有$\text{B,AB,AAB}$

而我们的$cur$只想要$\text{B}$和链上的东西

怎么办？

拆了呗

记新建的点为$q^{\prime }$

维护信息

首先$cur$要的是$q^{\prime }$和$q$祖先上的

然后我们发现$q$和$q^{\prime }$有后缀关系

接下来维护转移

$q和q^{\prime }$是同一个分出来的，而它们原来的转移共同构成了后面的状态

现在它们拆开了，理应维护好后面

即：将$q$的转移拷贝给$q^{\prime }$

考虑这样的事实：在前面某个位置，原来转移到了这个状态。现在这个状态分了，需要考虑具体转移到哪一边。

注意到转移到$q^{\prime }$而不转移到$q$，当且仅当这个状态最长串长小于$q^{\prime }$最长串长。

并且都是$q$去掉末尾的一个字符后的后缀

根据意识流这样的状态最后面的满足的刚好是$p$

而剩下的都在$p$的$parent$链上

即：跳$p$的$parent$链，如果有到$q$的转移，将它改到$q^{\prime }$

因为是后缀，所以一定是$S[i]$的转移（因为$ch[p][S[i]]=q$）

至此，SAM 就构造完毕了

复杂度是$O(N)$的，显然我不会证

代码

具体实现的时候，每个节点只记录最长串的长度$le{n}_i$

int fa[MAXN],ch[MAXN][26];
int len[MAXN],last=1,tot=1;
int siz[MAXN],a[MAXN],c[MAXN];
void insert(int c)
{
	int p=last,cur=++tot;
	len[cur]=len[last]+1;
	last=cur;
	for (;p&&!ch[p][c];p=fa[p])  ch[p][c]=cur;//跳fail
	if (!p) fa[cur]=1;//情况1
	else
	{
		int q=ch[p][c];
		if (len[p]+1==len[q]) fa[cur]=q;//情况2
		else//情况3
		{
			int clone=++tot;
			len[clone]=len[p]+1;
			for (int i=0;i<26;i++) ch[clone][i]=ch[q][i];
			fa[clone]=fa[q];
			fa[q]=fa[cur]=clone;
			for (;ch[p][c]==q;p=fa[p]) ch[p][c]=clone;
		}	
    }
}

运用

劈配子串

按照定义，沿着转移走

最长公共子串

建出$S$的后缀自动机，拿$T$去跑

不断用$le{n}_i$更新答案

如果走不动了就跳$fail$

处理出现次数

对于每一次插入，一个类出现次数增加，当且仅当这是当前的后缀

也就是把这个点的$parent$链都$+1$

显然会$T$。于是先建完，按长度瞎排个序，倒着往上推。

这样$si{z}_i$表示状态$i$中的一个串的出现次数。显然它们是一样的。

应该是用的最多的。

void query()
{
	for (int i=1;i<=tot;i++) c[len[i]]++;
	for (int i=1;i<=n;i++) c[i]+=c[i-1];
	for (int i=1;i<=tot;i++) a[c[len[i]]--]=i;
	for (int i=tot;i>=1;i--) siz[fa[p]]+=siz[p];
}

然后你就可以处理各种沙雕的字符串题

本质不同的串的个数

由于一个串只会被表示一遍

我们相当于求所有状态表示的串的个数之和。

即$\sum (len[p]-len[fa[p]])$

Link Cut Tree维护parent链

先写到这里吧，想到再补。