【后缀数组】学习笔记

看大佬A
看大佬B

后缀数组

一个字符串处理的神器，并且代码简短精悍
但是自我感觉极其难懂，二十行代码研究数晚，综合多位大佬博客才搞懂
下文代码注释中的字母被和谐了。。请选中查看

---

基数排序

后缀数组的重要一部分，必须彻底理解，不然就会卡壳！！！
想法也不难，就是从最低位到最高位$(LSD)$或最高到最低$(MSD)$按位脱离，不通过元素比较，而根据“收集”来确定元素大小关系
举例看这里

void RadixSort(){//LSD
	for(int D=1;Max;D*=10,Max/=B){
		for(int i=0;i<B;i++) cnt[i]=0;
		for(int i=1;i<=n;i++) cnt[a[i]/D%B]++;
		for(int i=0;i<B;i++) cnt[i]+=cnt[i-1];
		//作前缀和，便于定位到前面有几个比我小的，确定排名（位置） 
		for(int i=n;i;i--) tp[cnt[a[i]/D%B]--]=a[i];//临时数组存放 
		for(int i=1;i<=n;i++) a[i]=tp[i];
	}
}

复杂度$O(N\ast D(位数)\ast k(小常数))$，能使后缀数组的构造少掉一个基于元素比较排序的$log$，这个下文就知道了

---

正题

• 首先，定义一坨变量：

  （接下来以后缀的起始位置作为后缀的位置，第$i$号后缀表示$s[i$~~$N]$）

  $Sa[i]:排名为i的后缀在串中的位置$
  $Rak[i]:第i号后缀的排名$
  $tp[i]:第二关键字排名为i的位置，类似Sa[i]（下面会解释）$
  $Height[i]:排名为i与i-1的后缀的最长公共前缀$

  通俗地说，Sa[i]表示第i是谁，Rak[i]表示i是第几，两者是互逆的

  • Sa[Rak[i]]=Rak[Sa[i]]=i

• 核心想法：倍增（本蒟蒻太弱了，不会O(N)的DC3虽然好像一般不太需要）

  假设已经求出每个后缀往后$2^k$的排名，然后考虑往后扩展$2^k$到$2^{k+1}$
  那么显然我们可以看成是双关键字排序:

  • S [ i ] = { A ( 前 2 k 的 排 名 ， 已 求 ) , B ( 后 2 k 的 排 名 ) } S[i]=\{A(前2^k的排名，已求),B(后2^k的排名)\} S[i]={A(前2k的排名，已求),B(后2k的排名)}

  而后面可以看到，由于后缀的特殊关系，我们可以线性求得B，在利用基数排序，我们就可以$O(N\ast lo{g}_N)$完成后缀数组的构造（Height先扔一边，最后再搞）

• 代码细节解释

等

等

等

等

先再看一下上面数组定义，理解记忆，不然绝对蒙圈！

磨刀不误砍柴工！！！

• 首先对所有后缀以开头字母为关键字排序

  M=127;for(int i=1;i<=N;i++) Rak[i]=s[i],tp[i]=i;//M为基数排序的上界（优化） 
  RadixSort();

• 接下来是倍增板块

 for(int w=1,p=0;p<N;M=p,w<<=1){
 	//w表示当前已对w位排序，接下来要给2w位排序 
 	//p表示离散后的Rak数，若排名各不相同即可停止 
 }

• 核心：每个后缀的第二关键字取得位置（构造$tp[]$）：
  看图：
  显然，黄色部分是相同的，那么就可以O(1)求得$tp[i]$了

 p=0;//这里p仅仅是个计数器 
 for(int i=1;i<=w;i++) tp[++p]=N-w+i;//对于后w个后缀是没有第二关键字的，我们把它塞前面 
 for(int i=1;i<=N;i++) if(Sa[i]>w) tp[++p]=Sa[i]-w;
 //基数排序，按第一关键字的顺序
 //原理就是上图，即第Sa[i]-w号后缀的第二关键字的排名为i 

• 然后就很简单了，基数排序后，通过$Sa[]$与$Rak[]$的互逆运算，对$Rak[]$就行构造与离散（此时很有可能会出现相同名次，但最后必定不同，毕竟后缀长度都不同）

 RadixSort(),memcpy(tp,Rak,sizeof tp),Rak[Sa[1]]=p=1;//现在tp没用了，我们把Rak存过来，用于离散 
 for(int i=2;i<=N;i++)
    Rak[Sa[i]]=(tp[Sa[i]]==tp[Sa[i-1]]&&tp[Sa[i]+w]==tp[Sa[i-1]+w])?p:++p;//简单的双关键字离散 

这里有个小问题：$Sa[i]+w不会爆出N吗？$

我自己WW了一下，应该不会超过N+1
$首先，要比较Sa[i-1]+w与Sa[i]+w，必定满足tp[Sa[i]]==tp[Sa[i-1]]$
$那么既然有tp[Sa[i]]==tp[Sa[i-1]]，显然他们往后w个得到的字符串都得真实存在$
$所以最坏情况下往后延伸w个到达串的末尾，即为N+1$

所以可以加一道判段或在面对多组数据时记得清空数组到N+1!!!

• 再来看一眼基数排序 ~~实际上没什么好看的。。
  就是以$Rak[tp[i]]$为关键字排一排就好了（和上面没什么区别）

  void RadixSort(){
    for(int i=0;i<=M;i++) cnt[i]=0;
    for(int i=1;i<=N;i++) cnt[Rak[tp[i]]]++;
    for(int i=1;i<=M;i++) cnt[i]+=cnt[i-1];
    for(int i=N;i;i--) Sa[cnt[Rak[tp[i]]]--]=tp[i];
  }
  

• 完整过程代码

void RadixSort(){
    for(int i=0;i<=M;i++) cnt[i]=0;
    for(int i=1;i<=N;i++) cnt[Rak[tp[i]]]++;
    for(int i=1;i<=M;i++) cnt[i]+=cnt[i-1];
    for(int i=N;i;i--) Sa[cnt[Rak[tp[i]]]--]=tp[i];
}
void SuffixSort(){
    M=127;for(int i=1;i<=N;i++) Rak[i]=s[i],tp[i]=i;//M为基数排序的上界（优化） 
    RadixSort();
    for(int w=1,p=0;p<N;M=p,w<<=1){
    	//w表示当前已对w位排序，接下来要给2w位排序 
    	//p表示离散后的Rak数，若排名各不相同即可停止 
        p=0;//这里p仅仅是个计数器 
        for(int i=1;i<=w;i++) tp[++p]=N-w+i;//对于后w个后缀是没有第二关键字的，我们把它塞前面 
        for(int i=1;i<=N;i++) if(Sa[i]>w) tp[++p]=Sa[i]-w;
		//基数排序，按第一关键字的顺序
        //原理就是上图，即第Sa[i]-w号后缀的第二关键字的排名为i 
        RadixSort(),memcpy(tp,Rak,sizeof tp),Rak[Sa[1]]=p=1;//现在tp没用了，我们把Rak存过来，用于离散 
        for(int i=2;i<=N;i++)
          Rak[Sa[i]]=(tp[Sa[i]]==tp[Sa[i-1]]&&tp[Sa[i]+w]==tp[Sa[i-1]+w])?p:++p;//简单的双关键字离散 
    }
}

---

Height

这个才是后缀数组的真正神器！！！

$Height[i]:第i名后缀与第i-1名后缀的最长公共前缀$（有点绕）
$H[i]:第i号后缀与它前一名的后缀的最长公共前缀（Height[Rak[i]]）$

为了线性构造，要用到一个神奇的性质：$H[i]>=H[i-1]+1$

$设第k号后缀是第i-1号后缀前一名的后缀，它们的最长公共前缀是H[i-1]$
$如果H[i-1]<=1,则原命题显然成立$
$否则第k+1号后缀将排在第i号后缀的前面，并且第k+1号后缀与第i号后缀的最长公共前缀至少是H[i-1]-1（两个后缀各去掉一个首字母，接下来的H[i-1]-1个必定相同）$

所以我们就可以按照$Rak[1$~~$N]$的顺序O(N)计算了

void GetHeight(){
	for(int i=1,j,k=0;i<=N;i++)if(Rak[i]>1){
		j=Sa[Rak[i]-1],k-=(bool)k;
		while(i+k<=N&&j+k<=N&&s[i+k]==s[j+k]) k++;
		Height[Rak[i]]=k;
	}
}

神器在手，天下我有,接下来就可以做很多套路了

• 本质不同的字串个数

  $\sum N-Sa[i]+1-Height[i]$
  第$i$名后缀的长度减去与前面重复的长度

• 两个后缀的最长公共前缀

  $Min(Height[Rak[x]+1$~~$Rak[y]])$，RMQ预处理，O(1)询问

• 可重叠的最长重复字串

  $Max(Height[i])$

• 不可重叠的最长重复字串

  先二分答案，把题目变成判定性问题：判断是否存在两个长度为$K$的子串是相同的且不重叠
  先不考虑重叠，则重复子串的长度要大于等于$k$，就是一个区间内$Height[i]>=K$
  所以我们对$Height$分组，满足每一组的$Height[i]>=K$
  再来考虑重叠:
  我们知道了一个区间的$Height[i]>=K$，那么如果存在两个后缀距离大于$K$，那么可以肯定存在两个长度为$K$的子串是相同的，且不重叠