后缀数组（基本概念及其构造方法之倍增算法）

本人可以说是菜鸟一枚，最近在学习字符串算法，学到后缀数组。从其中涉及的基本定义，到构造后缀数组方法中的其中一种倍增算法，光这些知识，就弄得我云里雾里，前前后后看了有三四天。看了很多大神的博客，提取并进行了一些总结，为加深记忆，在这里写下来，以便以后理解。若有理解不对之处，欢迎各位大神指正。

1、学习后缀数组，最先要明确的几个基本概念就是：子串、后缀、字符串的大小比较、后缀数组、名词数组这几个概念。（概念含义的描述基本都是大同小异了）

子串：很好理解，就是在原字符串中任意截取的一段字符串。加符号描述为：字符串S的子串为r[ i…j ]，（i和j分别表示子串在原字符串中开始和结束的位置，其中i ≤ j），

即r[ i…j ]表示的就是i到j这一段S[i],S[i+1],...,S[j]顺次排列形成的字符串。

后缀：一个字符串的后缀，就是指从该字符串中的某个位置i开始，到整个串末尾结束的这样的子字符串。比如字符串”aabaaaab”，这个字符串的后缀有：”aabaaaab”, “abaaaab”, “baaaab”, “aaaab”, “aaab”, “aab”, “ab”, “b”. 通常，我们描述字符串S从i位置开头的后缀表示为Suffix（S,i）,即Suffix（S,i）=r[i…len(S)]。

字符串的大小比较：就是将两个字符串从头开始依次按字典序比较。如对于字符串u和v，令i从1开始顺次比较u[i]和v[i]（实际编码时从0位置开始）, 如果u[i]=v[i]，则i+1，否则若u[i]<v[i]则认为u<v，u[i]>v[i]则认为u>v（也就是v<u），比较结束。如果i>len(u)或者i>len(v)仍比较不出结果，那么若len(u)<len(v)则认为u<v ，若len(u)=len(v) 则认为u=v ，若len(u)>len(v)则u>v。

为了方便处理长度不等的后缀之间的大小比较，我们通常约定给字符串的末尾添加一个特殊字符，这个特殊字符没有在字符串中出现过，而且比字符串中任何一个字符都要小。这样当两个不等长的后缀进行比较时，走到较短的后缀的最后一位时，大小自然可以比较出来。另外，对于约定的字符串S，从位置i开头的后缀直接写成Suffix（i）,省去Suffix（S,i）中的参数S。

后缀数组：后缀数组SA就是一个一维数组，其元素是SA[0],SA[1]……SA[n-1]，保证suffix(SA[i]) < Suffix(SA[i+1]) ， 0 ≤ i<n-1。意思就是，首先我们将字符串S的所有n个后缀从小到大排序，我们将排序后的每个后缀的开始位置依次放在SA[0],SA[1]……SA[n-1]中。

名次数组：名次数组Rank保存的是某一后缀在所有后缀中的排名（从小到大）。Rank[i]表示Suffix（i）在所有后缀中的排名。名次数组和后缀数组互为逆运算。有句话描述得很形象：后缀数组（SA）是 “ 排第几的是谁？ ” ，名次数组（RANK）是 “你排第几？ ” 

 

2、基本概念了解完毕，下面开始了解构造后缀数组的方法。

 

构造后缀数组可采用倍增算法(Doubling Algorithm)或DC3算法(Difference Cover mod 3).其中，倍增算法相对于DC3算法更好理解，而DC3算法的效率则更高。

我目前只看了倍增算法。

 

倍增算法，利用各个后缀之间的有机联系，把最坏的时间复杂度降低为O(nlogn)。其核心思想属于递推。

         整体思路可以说就是：由每个后缀的前K个字符的大小比较，从而得到前2k个字符的大小比较,依次类推……直至得到所有后缀的比较结果。我们把SA_K称为k-后缀数组，其中元素SA_K[0], SA_K[1]……SA_K[n-1]表示的是按照k-前缀（前k个字符）从小到大排序后的每个后缀的开始位置。Rank_k含义参考SA_K理解。若我们求出SA_k和Rank_k&#