HihoCoder - 1445 后缀自动机二·重复旋律5(后缀自动机,不同子串个数)

描述

小Hi平时的一大兴趣爱好就是演奏钢琴。我们知道一个音乐旋律被表示为一段数构成的数列。

现在小Hi想知道一部作品中出现了多少不同的旋律？

解题方法提示

输入

共一行，包含一个由小写字母构成的字符串。字符串长度不超过 1000000。

输出

一行一个整数，表示答案。

样例输入

aab

样例输出

5

思路

官方讲解:

小Hi：本周的题目其实就是给定一个字符串S，要求出S的所有不同子串的数目。小Ho你知道如何快速求解么？

小Ho：我们最近在讨论后缀自动机，所以肯定是和后缀自动机有关！根据上周学习的SAM的基本概念和性质，SAM的每个状态st都包含了一部分S的子串，记作substrings(st)，并且(1)对于两个不同状态u和v，包含的子串substrings(u) ∩ substrings(v) = ∅; (2)每个子串都恰好被一个状态包含。所以我们只要构造出来S对应的SAM，再对所有状态st求Σ(maxlen(st)-minlen(st))就是子串的数目。

小Hi：没错。上周我们提到SAM有O(length(S))的构造法。这周我们就来讲一讲如何构造。

小Hi：首先，为了实现O(length(S))的构造，我们对于每个状态不能保存太多数据。例如substring(st)肯定是没法保存下来了。对于状态st我们只保存如下数据：

数据	含义
maxlen[st]	st包含的最长子串的长度
minlen[st]	st包含的最短字串的长度
trans[st][]	st的转移函数
slink[st]	st的Suffix Link

小Hi：其次，我们用增量法构造S对应的SAM。我们从初始状态开始，每次添加一个字符S[1], S[2], … S[N]，依次构造可以识别S[1], S[1…2], S[1…3], … S[1…N]=S的SAM。

小Hi：假设我们已经构造好了S[1…i]的SAM。这时我们要添加字符S[i+1]，于是我们新增了i+1个S[i+1]的后缀要识别：S[1…i+1], S[2…i+1], … S[i…i+1], S[i+1]。 考虑到这些新增状态分别是从S[1…i], S[2…i], S[3…i], … , S[i], “”(空串)通过字符S[i+1]转移过来的，所以我们还要对S[1…i], S[2…i], S[3…i], … , S[i], “”(空串)对应的状态们增加相应的转移。

小Hi：我们假设S[1…i]对应的状态是u，等价于S[1…i]∈ substrings(u)。根据上周的讨论我们知道S[1…i], S[2…i], S[3…i], … , S[i], “”(空串)对应的状态们恰好就是从u到初始状态S的由Suffix Link连接起来路径上的所有状态，不妨称这条路径(上所有状态集合)是suffix-path(u->S)。

小Hi：显然至少S[1…i+1]这个子串不能被以前的SAM识别，所以我们至少需要添加一个状态z，z至少包含S[1…i+1]这个子串。

小Hi：首先考虑一种最简单的情况：对于suffix-path(u->S)的任意状态v，都有trans[v][S[i+1]]=NULL。这时我们只要令trans[v][S[i+1]]=z，并且令slink[st]=S即可。

小Hi：例如我们已经得到"aa"的SAM，现在希望构造"aab"的SAM。如下图所示：

小Hi：此时u=2，z=3，suffix-path(u->S)是桔色状态组成的路径2-1-S。并且这3个状态都没有对应字符b的转移。所以我们只要添加红色转移trans[2][b]=trans[1][b]=trans[S][b]=z即可。当然也不要忘了slink[3]=S。

小Ho：那要是suffix-path(u->S)上有一个节点v，使得trans[v][S[i+1]]!=NULL怎么办？

小Hi：好问题。我们以下图为例，假设我们已经构造"aabb"的SAM如图，现在我们要增加一个字符a构造"aabba"的SAM。

小Hi：这时u=4，z=6，suffix-path(u->S)是桔色状态组成的路径4-5-S。对于状态4和状态5，由于它们都没有对应字符a的转移，所以我们只要添加红色转移trans[4][a]=trans[5][a]=z=6即可。面对S时我们遇到了小Ho你提出的问题，trans[S][a]=1已经存在，怎么办？

小Ho：怎么办呢？

小Hi：不失一般性，我们可以认为在suffix-path(u->S)遇到的第一个状态v满足trans[v][S[i+1]]=x。这时我们需要讨论x包含的子串的情况。如果x中包含的最长子串就是v中包含的最长子串接上字符S[i+1]，等价于maxlen(v)+1=maxlen(x)，比如在上面的例子里，v=S, x=1，longest(v)是空串，longest(1)="a"就是longest(v)+‘a’。这种情况比较简单，我们只要增加slink[z]=x即可。

小Hi：如果x中包含的最长子串 不是 v中包含的最长子串接上字符S[i+1]，等价于maxlen(v)+1 < maxlen(x)，这种情况最为复杂，不失一般性，我们用下图表示这种情况，这时增加的字符是c，状态是z。

小Hi：在suffix-path(u->S)这条路径上，从u开始有一部分连续的状态满足trans[u…][c]=NULL，对于这部分状态我们只需增加trans[u…][c]=z。紧接着有一部分连续的状态v…w满足trans[v…w][c]=x，并且longest(v)+c不等于longest(x)。这时我们需要从x拆分出新的状态y，并且把原来x中长度小于等于longest(v)+c的子串分给y，其余字串留给x。同时令trans[v…w][c]=y，slink[y]=slink[x], slink[x]=slink[z]=y。

小Ho：好像比较复杂。

小Hi：我们来举个例子。假设我们已经构造"aab"的SAM如图，现在我们要增加一个字符b构造"aabb"的SAM。小Hi：当我们处理在suffix-path(u->S)上的状态S时，遇到trans[S][b]=3。并且longest(3)=“aab”，longest(S)+‘b’=“b”，两者不相等。其实不相等意味增加了新字符后endpos(“aab”)已经不等于endpos(“b”)，势必这两个子串不能同属一个状态3。这时我们就要从3中新拆分出一个状态5，把"b"及其后缀分给5，其余的子串留给3。同时令trans[S][c]=5, slink[5]=slink[3]=S, slink[3]=slink[6]=5。

小Hi：整个过程的代码如下，其中状态0代表初始状态S；状态u, v, x, y, z的意义如上文所述；-1代表slink或者trans不存在。

const int MAXL = 1000000;string s;
int n = 0, len, st;
int maxlen[2 * MAXL + 10], minlen[2 * MAXL + 10], trans[2 * MAXL + 10][26], slink[2 * MAXL + 10];
int new_state(int _maxlen, int _minlen, int* _trans, int _slink) {
        maxlen[n] = _maxlen;
        minlen[n] = _minlen;
        for(int i = 0; i < 26; i++) {
                if(_trans == NULL)
                        trans[n][i] = -1;
                else
                        trans[n][i] = _trans[i];
        }
        slink[n] = _slink;
        return n++;
}

int add_char(char ch, int u) {
        int c = ch - 'a';
        int z = new_state(maxlen[u] + 1, -1, NULL, -1);
        int v = u;
        while(v != -1 && trans[v][c] == -1) {
                trans[v][c] = z;
                v = slink[v];
        }
        if(v == -1) { //最简单的情况，suffix-path(u->S)上都没有对应字符ch的转移
                minlen[z] = 1;
                slink[z] = 0;
                return z;
        }
        int x = trans[v][c];
        if(maxlen[v] + 1 == maxlen[x]) { //较简单的情况，不用拆分x
                minlen[z] = maxlen[x] + 1;
                slink[z] = x;
                return z;
        }
        int y = new_state(maxlen[v] + 1, -1, trans[x], slink[x]); //最复杂的情况，拆分x
        slink[y] = slink[x];
        minlen[x] = maxlen[y] + 1;
        slink[x] = y;
        minlen[z] = maxlen[y] + 1;
        slink[z] = y;
        int w = v;
        while(w != -1 && trans[w][c] == x) {
                trans[w][c] = y;
                w = slink[w];
        }
        minlen[y] = maxlen[slink[y]] + 1;
        return z;
}

小Ho：咦？程序倒是意外的简单。

---

答案就是SAM中的每个状态中包含的子串数量的和,我们只需要计算出每一个maxlen[st]-minlen[st]+1的和就行了.tot为状态的数量.

代码

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N = 1e6 + 7;
/*
maxlen[st]:st包含的最长子串长度
minlen[st]:st包含的最短子串长度
trans[st]:st的转移函数
slink[st]:st的suffixLink
*/
int tot, slink[2 * N], trans[2 * N][26], minlen[2 * N], maxlen[2 * N];
char str[N];
int n;
int newstate(int _maxlen, int _minlen, int *_trans, int _slink)
{
    maxlen[++tot] = _maxlen;
    minlen[tot] = _minlen;
    slink[tot] = _slink;
    if (_trans)
        for (int i = 0; i < 26; i++)
            trans[tot][i] = _trans[i];
    return tot;
}
int add_char(char ch, int u)
{
    int c = ch - 'a', v = u;
    int z = newstate(maxlen[u] + 1, -1, NULL, 0);
    while (v && !trans[v][c])
    {
        trans[v][c] = z;
        v = slink[v];
    }
    if (!v)
    {
        minlen[z] = 1;
        slink[z] = 1;
        return z;
    }
    int x = trans[v][c];
    if (maxlen[v] + 1 == maxlen[x])
    {
        slink[z] = x;
        minlen[z] = maxlen[x] + 1;
        return z;
    }
    int y = newstate(maxlen[v] + 1, -1, trans[x], slink[x]);
    slink[z] = slink[x] = y;
    minlen[x] = minlen[z] = maxlen[y] + 1;
    while (v && trans[v][c] == x)
    {
        trans[v][c] = y;
        v = slink[v];
    }
    minlen[y] = maxlen[slink[y]] + 1;
    return z;
}
int main()
{
    scanf("%s", str);
    int len = strlen(str), pre = 1;
    tot = 1;
    for (int i = 0; i < len; i++)
        pre = add_char(str[i], pre);
    ll ans = 0;
    for (int i = 2; i <= tot; i++)
        ans += maxlen[i] - minlen[i] + 1;
    cout << ans << endl;
    return 0;
}