后缀数组

基本定义

子串：字符串S 的子串r[i..j]，i≤j，表示r 串中从i 到j 这一段，也就是顺次排列r[i],r[i+1],...,r[j]形成的字符串。

后缀：后缀是指从某个位置i 开始到整个串末尾结束的一个特殊子串。字符串r 的从第i 个字符开始的后缀表示为Suffix(i) ， 也就是Suffix(i)=r[i..len(r)]。

大小比较：关于字符串的大小比较，是指通常所说的“字典顺序”比较，也就是对于两个字符串u、v，令i 从1 开始顺次比较u[i]和v[i]，如果u[i]=v[i]则令i 加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。
从字符串的大小比较的定义来看，S 的两个开头位置不同的后缀u 和v 进行比较的结果不可能是相等，因为u=v 的必要条件len(u)=len(v)在这里不可能满足。

后缀数组：后缀数组SA 是一个一维数组，它保存1..n 的某个排列SA[1]，SA[2]，……，SA[n]，并且保证Suffix(SA[i]) < Suffix(SA[i+1])，1≤i<n。也就是将S 的n 个后缀从小到大进行排序之后把排好序的后缀的开头位置顺次放入SA 中。

名次数组：名次数组Rank[i]保存的是Suffix(i)在所有后缀中从小到大排列的“名次”。
简单的说，后缀数组是“排第几的是谁？”，名次数组是“你排第几？”。容易看出，后缀数组和名次数组为互逆运算。

设字符串的长度为n。为了方便比较大小，可以在字符串后面添加一个字符,这个字符没有在前面的字符中出现过，而且比前面的字符都要小。在求出名次数组后，可以仅用O(1)的时间比较任意两个后缀的大小。在求出后缀数组或名次数组中的其中一个以后，便可以用O(n)的时间求出另外一个。任意两个后缀如果直接比较大小，最多需要比较字符n 次，也就是说最迟在比较第n 个字符时一定能分出“胜负”。

２倍增算法

倍增算法的主要思路是：用倍增的方法对每个字符开始的长度为2^k 的子字符串进行排序，求出排名，即rank 值。k 从0 开始，每次加1，当2^k 大于n 以后，每个字符开始的长度为2^k 的子字符串便相当于所有的后缀。并且这些子字符串都一定已经比较出大小，即rank 值中没有相同的值，那么此时的rank 值就是最后的结果。每一次排序都利用上次长度为2k-1 的字符串的rank 值，那么长度为2^k 的字符串就可以用两个长度为2^(k-1) 的字符串的排名作为关键字表示，然后进行基数排序，便得出了长度为2^k 的字符串的rank 值。以字符串“aabaaaab”为例，整个过程如图2 所示。其中x、y 是表示长度为2^k 的字符串的两个关键字。

最长公共前缀

height 数组：定义height[i]=suffix(sa[i-1])和suffix(sa[i])的最长公共前缀，也就是排名相邻的两个后缀的最长公共前缀。那么对于j 和k，不妨设rank[j]<rank[k],则有以下性质：
suffix(j) 和suffix(k) 的最长公共前缀为height[rank[j]+1],height[rank[j]+2], height[rank[j]+3], … ,height[rank[k]]中的最小值。
例如，字符串为“aabaaaab”，求后缀“abaaaab”和后缀“aaab”的最长公共前缀，如图4所示：

代码实现：

/*
倍增算法  O(n*logn) 
待排序数组长度为n,放在0~n-1中，在最后面补一个0 
da(r,sa,n+1,m);//注意是n+1; 
例如：
n = 8; 
num[]   = { 1, 1, 2, 1, 1, 1, 1, 2, $ };注意num最后一位为0，其他大于0 
rank[]  = { 4, 6, 8, 1, 2, 3, 5, 7, 0 };rank[0~n-1]为有效值，rank[n]必定为0无效值 
sa[]    = { 8, 3, 4, 5, 0, 6, 1, 7, 2 };sa[1~n]为有效值，sa[0]必定为n是无效值 
height[]= { 0, 0, 3, 2, 3, 1, 2, 0, 1 };height[2~n]为有效值 
*/

#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;
#define N 101000

int wa[N],wb[N],wv[N],ws[N];
int sa[N];      //排第i的后缀的开头位置，sa[1~n]为有效值，sa[0]必定为n是无效值
int rank[N];    //开头位置为i的后缀排第几，rank[0~n-1]为有效值，rank[n]必定为0无效值
                //后缀数组和名次数组为互逆运算,rank[sa[i]]==i
int height[N];  //height[i]=suffix(sa[i-1])和suffix(sa[i])的最长公共前缀，
                //也就是排名相邻的两个后缀的最长公共前缀。
                //height[2~n]为有效值

int cmp(int *r,int a,int b,int l){
    return r[a]==r[b]&&r[a+l]==r[b+l];
}



void da(int *r,int *sa,int n,int m){
    int i,j,p,*x=wa,*y=wb,*t;
    for(i=0;i<m;++i) ws[i]=0;
    for(i=0;i<n;++i) ws[x[i]=r[i]]++;
    for(i=1;i<m;++i) ws[i]+=ws[i-1];
    for(i=n-1;i>=0;--i) sa[--ws[x[i]]]=i;
    for(j=1,p=1;p<n;j<<=1,m=p){
        for(p=0,i=n-j;i<n;++i) y[p++]=i;
        for(i=0;i<n;++i) if(sa[i]>=j) y[p++]=sa[i]-j;
        for(i=0;i<n;++i) wv[i]=x[y[i]];
        for(i=0;i<m;++i) ws[i]=0;
        for(i=0;i<n;++i) ws[wv[i]]++;
        for(i=1;i<m;++i) ws[i]+=ws[i-1];
        for(i=n-1;i>=0;--i) sa[--ws[wv[i]]]=y[i];
        for(t=x,x=y,y=t,p=1,x[sa[0]]=0,i=1;i<n;++i)
            x[sa[i]]=cmp(y,sa[i-1],sa[i],j)?p-1:p++;
    }
}

void calheight(int *r,int *sa,int n){
    int i,j,k=0;
    for(i=1;i<=n;++i) rank[sa[i]]=i;
    for(i=0;i<n;height[rank[i++]]=k)
        for(k?k--:0,j=sa[rank[i]-1];r[i+k]==r[j+k];k++);
}

引用：国家集训队论文《后缀数组——处理字符串的有力工具》罗穗骞