后缀数组

转自http://www.yhzq-blog.cc/%E5%90%8E%E7%BC%80%E6%95%B0%E7%BB%84%E7%AE%97%E6%B3%95%E6%80%BB%E7%BB%93/

http://www.yhzq-blog.cc/%E5%90%8E%E7%BC%80%E6%95%B0%E7%BB%84%E7%AE%97%E6%B3%95%E6%80%BB%E7%BB%93/
后缀数组算法总结

后缀数组提供了一种新思想——倍增和字符串的有趣结合

先来接触一些基础定义

子串：就是字符串的一部分，必须连续。
后缀：是一种子串，它的结尾必须为字符串的最后。
大小比较：就是字典序比较，从头开始比，不相同的话字典序大的那个大，假如相同就向后移动。假如移到其中一个串的结尾还相同的话，长的那个大。
后缀数组：把所有的后缀编号，排序后把编号存在这个数组里。
名次数组：存的是每个后缀的名次

求sa有很多的方法，比较常用的是倍增法，能在O(nlogn)

的时间里求出sa。其实还有很多方法，但是比较难实现。

我们使用的例子是“aabaaaab”它的结果如图所示:

images

我们先把它的所有后缀都列出来：

images

如何排序呢，最好想的就是万能的sort。但是效率太低了，是O(n2logn)
的，别忘了比较两个字符串也是O(n)

的。

这样的话我们就需要用到某种O(n)

的排序类型了。于是我们想到了计数排序

何为计数排序呢，

一般的排序都需要比较其中元素的值，这种排序的复杂度下限就是O(nlogn)

，算导上有证明，但是计数排序不需要比较，假如输入一个数X，我们可以确定小于X的元素的个数，这样，就可以把这个数放在输出数组的指定位置上。

步骤：

1、初始化辅助数组c[i]。

2、遍历每一个输入元素，如果一个输入元素为i，则辅助数组中相应的c[i]的值加1。执行完毕之后。数组c中存储的就是各个键值在输入数组中出现的次数。

3、再计算一下前缀和，我们就知道了小于每个数的个数了。

4、将a[i]放到它在输出数组的正确位置上。对于一个值来说，c[a[i]]的值就是它在输出数组中的正确位置。在做这步的时候，把c[i]减1，这样就能处理相同值的情况了。

计数排序的时间复杂度就为O(n)

了。可这有什么用呢，我们是字典序排序。

这时候，我们就可以使用倍增。因为倍增的话，每次的关键字长度都会变成它原来的两倍，而在后缀中，满足在同一个字符串中的性质，它其中有很多重叠的部分。实际上，我们可以把倍增出来的关键字变成两份，一份是上次关键字排序出来的数组，因为有重复的元素，所以对于另一半来说，它们一定是上一次排出来序的字符串的某个后缀！因为上一次已经让关键字有序了，所以我们直接把上一次排序的数组后移就可以了！前面留空的就是长度不到关键字长度的串，直接按它们的长度摆上就行了。

现在我们就得到了O(nlogn)

的算法了。

接下来我们一点一点地解释一下关于怎么实现的问题：

这里，

n表示字符串的长度
c是上文所述的辅助数组
x表示rank数组，下标表示关键字的位置，值表示关键字大小（rank），相同的值有相同的rank。初始化为字符串s的每个字符大小（此时x并不代表rank，只借助其值比较相对大小）。在每次迭代后，根据sa重新赋值，并代表rank。其实，我觉得可以这么理解，x存的是每个后缀的前缀的种类。因为一开始前缀的长度为1，所以它存的就是s每个字符的大小。以后将每个前缀有序编号了以后这里存的就是字符串的编号。
y表示排序后的第二关键字数组，下标表示名次，值代表第二关键字的首字符位置。
sa构造完成前表示关键字数组，下标表示名次，值表示关键字的首字符位置，值相同的时候名次根据在原串中相对位置的先后决定；构造完成后表示后缀数组，下标表示名次，值表示后缀的首字符位置。

我们先看一下第一段代码
C++
for (int i=0;i