BWT重编码

关于Burrows–Wheeler transform的详细介绍见wiki

http://en.wikipedia.org/wiki/Burrows%E2%80%93Wheeler_transform

 

可以重一个字符串重编码，使得重复的一些字符段集中在一起，但是也有代价，

比如将字符串*****abc*****abc***进行bwt重编码，并不能将两个abc集中在一起，

而是要牺牲最后一个字符c作为索引，将两个ab紧凑起来。所以有得必有失。

显然讲一个规律很明显的字符串abcabcabcabc进行bwt重编码是得不偿失的。

 

bwt的encode可以用后缀数组在O(logN)或O(N)的时间复杂度和O(N)的空间复杂度解决。

 

这里说一下bwt的decode，我想到的最好方法是N方时间复杂度和O(N)的空间复杂度，不知有没有更好的方法。

wiki中提到一些资料，没去看，可能有更好的方法。

 

N方的做法是每一轮利用O(N)的基数排序进行排序，对于8位字符串，桶总量是256。

根据上一轮的排序结果，依个在桶里领取当前轮排序后的位置。

 

贴个伪代码段， 很简单：

 

void decode(int len) {
    for (int i = 0; i < len; ++i) {
        f[i] = i;
    }
    for (int k = 0; k < len; ++k) {
        memset(t, 0, sizeof(t));
        for (int i = 0; i < len; ++i) t[a[i]]++;
        for (int i = 1; i < 256; ++i) t[i] += t[i - 1];

        for (int j = len - 1; j >= 0; --j) {
            tf[f[j]] = --t[a[j]];
            if f[j] 为目标串标志 
                 a[j]写入目标串;
        }
        for (int j = 0; j < len; ++j) {
            f[tf[j]] = j;
        }
    }
}