基础数据结构之字符串

字符串的两种经典算法：KMP算法和最小表示法。

KMP算法

《算法竞赛进阶指南》上的推导过程写的很详细，推荐看一下。

推导过程的难点在于要理解如何遍历某一位置i的“候选值”集合。理解之后其它问题就都迎刃而解了。

---

一.循环节问题。 我们假设某一字符串的子串经过连续复制后可以覆盖原字符串，那么就称该子串为循环节；也就是说，这里的循环节经过连续复制后的字符串相比于原字符串可以“多余”。而该问题的循环节要求不可以“多余”。这里有一个结论：对于长度为n的字符串，最小循环节的长度是n - next[n]； 如果n能整除 n - next[n]，那么此循环节不“多余”，并且其它循环节都是最小循环节的倍数。

我们来证明一下n - next[n]为什么是循环节。
后缀[c, d]等于前缀[a, b]。将前缀[a, b]平移，直到与[c, d]重合得到[a’, b’]。[a, c]就是n - next[n]。

将c’向线段[a, d]做投影，投影点为e。因为[a’, b’]等于[a, b]，所以肯定存在一个对应的点e‘。[a’, c’]等于[a, c]，而[a’, c’]又等于[c, e]，所以[a, c]等于[c, e]，所以[a’, c’]等于[c’, e’]。

重复此操作，重复操作就是[a, c]的循环过程：

如果f’和b重合，很明显[a, c]就是循环节。一旦f’不和b重合，那么"[a, c]就是“多余”的循环节。我们来看一下为什么“多余”：[f, b]是[f, h]的前缀，而[f, b]就是[f’，b’]；又因为[a’. b’]与[c, d]重合，所以[h, d]等于[f’, b’]，所以[h, d]也是[f, h]的前缀。而[f, h]等于[a, c]，因此，[a, c]经过无限复制后，肯定能覆盖[a, d]，也就能证明出[a, c]就是循环节。

那么[a, c]是不是最小循环节的呢?假设存在一个更小的循环节，由上面的证明过程可知，肯定存在有比next[n]更长的匹配长度，这与next[n]的定义矛盾。

证毕。

周期

对于该题我这里还有一个疑问：假设n不能整除n - next[n]，那么是否存在长度比n - next[n]更大的不“多余”的循环节呢？恳请看到这个问题的大佬回答。

奶牛矩阵（二维应用）

根据题目描述，最小覆盖子矩阵可以看作二维空间上的循环节，我们首先联想到循环节问题。

在一维空间上，最小循环节肯定可以对齐左端。扩展到二维，最小覆盖子矩阵也肯定可以对齐左上角：假设有一个不对齐左上角的最小覆盖子矩阵。在理解了一维的基础上，对二维的x、y方向单独找循环节，就可以发现存在一个对齐左上角、面积同样最小的覆盖子矩阵。

我们可以联想到一个很模糊的做法：每一行Ri都有一个循环节长度集合Si，设width为all Si的交集中最小的元素。列方向也有一个最小元素height。那么S = width * height即为答案。

那么具体应该怎么做呢？数据范围中，1≤C≤75，列数很少。也就是说，每一行的循环节长度len满足1 <= len <= 75。我们不妨从第一行开始枚举，观察在前i - 1行可以满足的循环节长度中，第i行有哪些不能满足。定义一个bool visit[80]就可以实现嘛。最后我们就得到Si的交集。

有了交集，我们可以很轻松的找到width。因为行数较大，所以我们不能用同样的方法求height。我们不妨把每一行长度为width的一段看成一个字母，之后再用kmp算法求出height。

这里有一个问题：是否存在长度大于width的循环节，其得到的height更小，使得整个面积更小呢？是不可能的。我们取两行，假设它们长度为width的那一段相等，那么长度大于width的一段就可能不相等；假设它们长度为width的那一段不相等，那么长度大于widht的一段肯定不相等。看一个具体的例子：我们在列方向上随便取两个相邻的循环节：a b c d a b c d（每个字母表示长度为width的字符串），如果我们取长度大于widht的字符串，用kmp算法再求一遍height，那么肯定满足：

1. 不同的字母之间还是不同。
2. 新得到的字母不可能是a b c d
3. 相同的字母之间可能变得不相同

也就是说height只可能更大。证毕。

二 KMP模式匹配

匹配统计

参考了大佬的思路：

https://www.acwing.com/solution/content/7792/

观察到该题属于“观察两段字符串是否相等”的问题，多半有二分+hash的做法。二分+hash的方法很简单，不多赘述。

kmp做法比较难。如何想到kmp做法的呢？回忆一下kmp算法的过程：先对B进行“自我匹配”，再让A匹配B。如果我们遍历到字符串A的A[j]点，那么匹配长度len的含义是：以A[j]结尾的后缀与B的前缀能匹配的最大长度为len。我们可以通过next[len]、next[next[len]]……得到所有的匹配长度。那么从j - len + 1开始的后缀子串长度一定不小于len，从j - next[len] + 1开始的后缀子串长度一定不小于next[len]……

这里要用到后缀和思想：sum[i]表示匹配长度不小于i的后缀子串数量。那么

s = sum[i] - sum[i + 1]

s即为数量等于i的子串个数。

我们怎么用kmp算法得到sum数组呢？为了方便理解，我们先定义一个新变量num[i, j]：以A[j]结尾的后缀与B的前缀匹配长度为i的子串个数，只可能是0或1嘛。我们观察到：

1. 如果存在num[i, j]，那么从 j - i + 1 开始的后缀子串长度一定不小于i
2. 对于固定的i和不同的j，它们表示的后缀子串各不相同
3. 对于所有长度不小于i的后缀子串，一定有唯一对应的num[i, j]

我们再kmp算法的过程中求出num数组，再得到sum数组，就可以得到答案了。这么做要求我们需要在kmp算法的过程中，遍历以A[j]结尾的后缀子串与B的前缀能够匹配的所有长度，会超时。因此我们要想办法进行优化：

1. 不需要设立num数组。sum数组是由num数组求和得到的，我们在遍历的过程中直接求出sum数组即可，即将num[i, j] ++ 改为 sum[i] ++;
2. 我们没必要遍历以A[j]结尾的后缀与B的前缀能够匹配的所有长度。对于不同的j，固定的i，它们都有一个num[next[i], j]。我们假设sum数组只保存长度为len的子串(len表示以A[j]结尾的后缀与B的前缀能够匹配的最大长度)，那么只有sum[max(len)]符合sum数组原本的定义。我们自顶向下遍历所有len，对每个len都执行sum[next[len]] += sum[len]，就能够得到sum数组。

---

字符串的最小表示法

项链

模板题。