POJ 3261 Milk Patterns（后缀数组+二分答案）

题意

给定一个长度为 \(n​\) 的由正整数构成的串和一个整数 \(K​\)，求至少出现 \(K​\) 次的串的最长长度（可以重叠）。

\(1 \leq n\leq 20000​\)

\(2\leq K\leq n\)

思路

变量及其含义

后缀数组(SA)是一个比较灵活的处理字符串有关问题的算法，它能对一个串的所有后缀进行排序。我们用串 abaaab 作例子，来分析这个算法。

sa(suffix array)

算法名由来的数组，可见该数组是核心。\(sa[i]\) 的定义是排第 \(i\) 的后缀开头在哪个位置。

sa	suffix
3	aaab
4	aab
5	ab
1	abaaab
6	b
2	baaab

比如例串的 \(sa\) 数组如上表

rk(rank)

\(rk\) 数组是 \(sa\) 数组的逆运算，\(sa\) 是排名映射到位置，而 \(rk\) 则是位置映射到排名，即 \(rk[sa[i]]=i\) 。

H(height)

\(H\) 数组也就是常说的高度数组，它是在求解后缀数组问题时一个重要的数组，满足 \(H[i]=\text{lcp}(sa[i],sa[i-1])\) ，其中 \(\text{lcp}\) 表示最长公共前缀。高度数组的含义也就是排名相邻的两个后缀的最长公共前缀长度。

这么说可能不太形象，那么我们把上面的表格再拓展一列。

sa	H	suffix
3	/	aaab
4	2	aab
5	1	ab
1	1	abaaab
6	0	b
2	1	baaab

具体流程

一般后缀数组使用 \(O(n\log n)\) 的倍增算法进行构造，当然有一个更加优秀的叫做 \(\text{DC3}​\) 的算法（我不会）是线性的，听说较难实现。

基数排序

为了能实现较快的排序，有必要实现一个线性的排序算法，而基排就是一个相当灵活的线形排序算法。基数排序这里不在详细介绍，这里仅仅把它挖的更深一点，方便理解后缀数组中的基排。我们以它的一次排序（其实就是计数排序）来演示。

比如直接把长度为 \(n​\) ，数值属于 \([1,n]​\) 的 \(a​\) 数组排序，放入 \(b​\) 数组中：

FOR(i,1,m)c[i]=0;
FOR(i,1,n)c[a[i]]++;
FOR(i,2,m)c[i]+=c[i-1];
DOR(i,n,1)b[c[a[i]]--]=a[i];

而直接按照下标放置（即把 \(a_i​\) 当作比较关键字，对一个\(1​\) 到 \(n​\) 的全排列进行排序），只用在第 \(4​\) 行把 \(a[]​\) 去掉即可。

FOR(i,1,m)c[i]=0;
FOR(i,1,n)c[a[i]]++;
FOR(i,2,m)c[i]+=c[i-1];
DOR(i,n,1)b[c[a[i]]--]=i;

再拓展一下，把一个长度为 \(n​\) 的 \(a​\) 数组，按比较关键字 \(f​\) 数组进行排序，放入 \(b​\) 数组中，其中 \(f_i\in[1,m]​\)。

FOR(i,1,m)c[i]=0;
FOR(i,1,n)c[f[a[i]]]++;
FOR(i,2,m)c[i]+=c[i-1];
DOR(i,n,1)b[c[f[a[i]]]--]=a[i];

利用基排属于稳定排序的顺序，可以在此基础上继续优先度更高的排序。

现在对基排的理解有没有更深？九种排序什么的要不仅仅会打板子，还要知道灵活运用才行。

倍增过程

回忆一下我们学过的倍增。如果可以依次求出 \(1,2,3,4\) 直到 \(k\) 的答案，那么有时稍作修改，通过依次求 \(2^0,2^1,2^2,2^3\) 的答案，就可以一直到 \(2^k\) 的答案。

那么构造后缀数组的倍增也是如此，我们想得到后缀的排序，把问题抽象一下，就是求从每个字符开始长度为 \(k​\) 的串的顺序（\(k>=n​\) ，越界则该位置无穷小），我们把问题转化成给 \(n​\) 个长为 \(k​\) 的串排序（ \(k​\) 为 \(2​\) 的正整数次幂），通过长为 \(k​\) 的串的顺序合并出长为 \(2k​\) 的串的顺序。而长为 \(1​\) 则是直接对每个字符排序。

每次合并的过程就是给每第 \(i\) 个位置一个 \((rk[i],rk[i+k])\) 的二元组，按这个排序得到一个新的顺序，就是长为 \(2k\) 的串的顺序。

更加具体的流程只能通过代码+注释讲解了。

int *x=tmp[0],*y=tmp[1],*c=tmp[2];  //c是基数排序的计数数组
x[n+1]=y[n+1]=0;        //监视哨防止越界
FOR(i,1,m)c[i]=0;
FOR(i,1,n)c[x[i]=s[i]]++;
FOR(i,2,m)c[i]+=c[i-1];
DOR(i,n,1)sa[c[x[i]]--]=i;  //先解决2^0的排序
for(int k=1;k<=n;k<<=1)
{           //x在这里表示长为k的串的rk，y在这里表示二元组的后面那一维的顺序
    int p=0;
    FOR(i,n-k+1,n)y[++p]=i;     //i+k>n，故rk[i+k]为极小值
    FOR(i,1,n)if(sa[i]>k)y[++p]=sa[i]-k;
    FOR(i,1,m)c[i]=0;               //对y数组以x为关键字排序，放在sa中
    FOR(i,1,n)c[x[y[i]]]++;
    FOR(i,2,m)c[i]+=c[i-1];
    DOR(i,n,1)sa[c[x[y[i]]]--]=y[i];
    std::swap(x,y);     //其实这里就是把x数组赋给y，并丢掉原来的x
    p=x[sa[1]]=1;
    FOR(i,2,n)x[sa[i]]=y[sa[i]]==y[sa[i-1]]&&y[sa[i]+k]==y[sa[i-1]+k]?p:++p;    //x在这里表示长为2k的串的rk，通过已经得到的顺序sa算出
    if(p==n)break;  //如果rk已经两两不同
    m=p;
}
FOR(i,1,n)rk[sa[i]]=i;  //逆运算，得到rk

高度数组

• 定理：\(H[rk[i+1]]>=H[rk[i]]-1\)

用人类的语言阐述一下，就是在原字符串 \(i+1\) 位置在后缀数组对应位置中的 \(H\) 最少只可能比 \(i\) 的少 \(1\) 。

这个定理还是比较显然的，设原字符串的 \(i\) 位置 \(\text{lcp}\) 为 \(l\) ，那么 \(i+1\) 位置保底也有一个 \(\text{lcp}\) 长度为 \(l-1\) （就是与 \(i\) 位置形成 \(\text{lcp}\) 的那个后缀去掉开头一位），至于有没有更长就不知道了。

那我们只用按原串的顺序，求出后缀数组对应位置的高度即可，通过 \(\text{k- -}\) 与 \(\text{k++}\) 的次数分析，可得复杂度 \(O(n)\) 。

int k=0;
FOR(i,1,n)
{
    if(k)k--;
    if(rk[i]==1)continue;
    int j=sa[rk[i]-1];
    while(i+k<=n&&j+k<=n&&s[i+k]==s[j+k])k++;
    H[rk[i]]=k;
}

如何用SA解题

利用 \(sa,rk,H\) 三个关键的数组，将字符串问题转化成这三个数组上的问题，是后缀数组解题的一般套路。

后缀的前缀就是子串，是后缀结构的核心原理。

我们此题题，求至少出现 \(K\) 次的串的最长长度为例进行分析。

首先求出后缀数组，至少出现 \(K\) 次，就意味着一段后缀数组上的一段长度大于 \(K\) 的区间，它们相邻的 \(\text{lcp}\)（ \(H\) 值）最大。那么很自然的想到二分这个最长长度，检查后缀数组上是否存在一个长度为 \(K\) 的区间满足 \(H\) 的最小值大于等于这个长度即可。

代码

#include<iostream>
#include<cmath>
#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<algorithm>
#define FOR(i,x,y) for(int i=(x),i##END=(y);i<=i##END;++i)
#define DOR(i,x,y) for(int i=(x),i##END=(y);i>=i##END;--i)
template<typename T,typename _T>inline bool chk_min(T &x,const _T y){return y<x?x=y,1:0;}
template<typename T,typename _T>inline bool chk_max(T &x,const _T y){return x<y?x=y,1:0;}
typedef long long ll;
const int N=2e4+5;
int sa[N],rk[N],H[N],tmp[3][N];
int disc[N],D;
int s[N];
int n,K;

void get_SA(int *s,int n,int m)
{
    int *x=tmp[0],*y=tmp[1],*c=tmp[2];
    x[n+1]=y[n+1]=0;
    FOR(i,1,m)c[i]=0;
    FOR(i,1,n)c[x[i]=s[i]]++;
    FOR(i,2,m)c[i]+=c[i-1];
    DOR(i,n,1)sa[c[x[i]]--]=i;
    for(int k=1;k<=n;k<<=1)
    {
        int p=0;
        FOR(i,n-k+1,n)y[++p]=i;
        FOR(i,1,n)if(sa[i]>k)y[++p]=sa[i]-k;
        FOR(i,1,m)c[i]=0;
        FOR(i,1,n)c[x[y[i]]]++;
        FOR(i,2,m)c[i]+=c[i-1];
        DOR(i,n,1)sa[c[x[y[i]]]--]=y[i];
        std::swap(x,y);
        p=x[sa[1]]=1;
        FOR(i,2,n)x[sa[i]]=y[sa[i]]==y[sa[i-1]]&&y[sa[i]+k]==y[sa[i-1]+k]?p:++p;
        if(p==n)break;
        m=p;
    }
    FOR(i,1,n)rk[sa[i]]=i;
    int k=0;
    FOR(i,1,n)
    {
        if(k)k--;
        if(rk[i]==1)continue;
        int j=sa[rk[i]-1];
        while(i+k<=n&&j+k<=n&&s[i+k]==s[j+k])k++;
        H[rk[i]]=k;
    }
}

bool check(int len)
{
    int cnt=0;
    FOR(i,1,n)
    {
        cnt++;
        if(cnt>=K)return true;
        if(H[i+1]<len)cnt=0;
    }
    return false;
}

int main()
{
    scanf("%d%d",&n,&K);
    FOR(i,1,n)scanf("%d",&s[i]);
    FOR(i,1,n)disc[++D]=s[i];
    std::sort(disc+1,disc+D+1);
    D=std::unique(disc+1,disc+D+1)-disc-1;
    FOR(i,1,n)s[i]=std::lower_bound(disc+1,disc+D+1,s[i])-disc;
    get_SA(s,n,n);
    int l=0,r=n;
    while(l<r)
    {
        int mid=(l+r+1)>>1;
        if(check(mid))
            l=mid;
        else r=mid-1;
    }
    printf("%d\n",l);
    return 0;
}

转载于:https://www.cnblogs.com/Paulliant/p/10573103.html