HDU 1403 Longest Common Substring （后缀数组模板题）

题目链接：http://acm.hdu.edu.cn/showproblem.php?pid=1403

解题思路：数据100000，普通LCS超时。

用后缀数组 N*logN 求得LCS

首先一定要了解一下基数排序。

参考的是罗穗骞大佬的论文，放个链接：https://wenku.baidu.com/view/5b886b1ea76e58fafab00374.html

对其中一些地方的理解：

为了形象，想象排好序之后所有后缀字符串装在桶里，比如sa[1]表示排好序后最小的，也就是第一个被倒出桶的

朋友你最好也画个桶，画一行字符串，不然容易晕。

一、求解sa数组需要了解的（论文中 void da函数部分）

①sa[i]  表示  桶中第i个倒出的后缀在实际字符串的位置

②rank[i] 表示 实际字符串中从位置i开始的后缀在桶中  排第几 / 分值（类似于整数排序当前位的数字大小）

③rank[sa[i]] = i ,

   sa[rank[i]] = i;

④rank[sa[i]+j] 表示桶中第i个倒出的后缀字符串  在实际字符串的位置后移j个位置  代表的后缀字符串  在桶中的排第几/分值

⑤sa[rank[i]+j] 表示i位置开头的后缀字符串在桶中的位置（排第几）后移j个 代表的后缀字符串 在实际字符串中的位置

二、我认为难点应该在这部分代码：（微改）

    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<m;i++) cnt[i] = 0;
        for (i=0;i<n;i++) cnt[x[y[i]]]++;
        for (i=1;i<m;i++) cnt[i] += cnt[i-1];
        for (i=n-1;i>=0;i--) sa[--cnt[x[y[i]]]] = y[i];

        swap(x,y); ///y储存上一轮rank值
        x[sa[0]] = 0;
        p = 1;
        for (i=1;i<n;i++)
            x[sa[i]] = ( y[sa[i]]==y[sa[i-1]] && y[sa[i]+j]==y[sa[i-1]+j] )? p-1:p++;
    }

这个for循环分为三个部分：

①前两个for，根据上一轮的sa求出本轮排序第二关键字的sa（y数组）。

上一轮的桶中如果sa[i] 倒出 某一位置开头的后缀字符串，现在应该倒出sa[i]-j开头的字符串，因为这是sa[i]-j开头的字符串的第二关键字！

②中间四个for，根据第二关键字搞出的“新的一轮的桶”（y数组）来求解sa数组。

x[y[i]] 表示当前倒出的字符串的rank值。

③根据sa求解本轮rank数组（x数组），本来直接rank[sa[i]] = i。

不过，因为sa数组的值因为基数排序严格不同，但是实际上会有第一第二关键字完全相同的情况，so，需要再搞一搞。

三、height[]性质的粗略理解，以及h[i]>=h[i-1]-1的粗略证明

①为什么i开头的后缀字符串和j开头的后缀字符串的最长公共前缀（区别于LCS）等于 height[rank[i]+1] ~ height[rank[j]]

中的最小值？

求这个的过程就是桶中找到i后缀字符串的位置，j字符串的位置，然后中间夹着一堆，两两比较过去。

拿 aabaaaab来说,排好序之后：

aaaab

aaab

aab

aabaaaab

ab

abaaaab

b

baaaab

假设我们求的是aaab和abaaaab的后缀，aaab与aab比较后，当前height最小值为2，然后aab和aabaaaab比较，最小值=min（2,3）=2，还是2，直到传递到abaaaab，这个最小值其实就是，两两比较在传递下去时，aaab和当前在比较的字符串的

公共前缀的大小。

②h[i] >= h[i-1]-1的证明

首先这个结论是为了减少构建height数组是字符比较次数。

继续看上面那个字符串，举个例子

aabaaaab和aab比较，height为3

接下去求解aabaaaab把“头”砍掉，求

abaaaab，我们知道桶中abaaaab上一位（也就是比较对象），至少前两位会是ab，也就是前（3-1）=2   个字符不用比

具体是不是ab不确定，可能会有abXXXX什么的，但，最不济就是ab

四、LCS的求法

具体方法是两个字符串拼接成一个。中间断点记做len

遍历height数组，只要height[i]所比较的两个后缀实际位置一个大于len，一个小于len，LCS=max(height[i])

这个真不会证明。知道的朋友可以评论告诉我一下。

先放着不管吧，以后刷多了题再回来想想。

五、代码

#include<cstdio>
#include<algorithm>
#include<cstring>
#define debug(x) printf("----Line%s----\n",#x)

using namespace std;

const int N = 1e5+5;

int wa[N<<1],wb[N<<1],sa[N<<1],rnk[N<<1],cnt[N<<1],height[N<<1];
char s[N<<1];

void build(int n,int m)
{
    int *x=wa,*y=wb,p,i,j;
    for (i=0;i<m;i++) cnt[i] = 0;       
    for (i=0;i<n;i++) cnt[x[i]=s[i]]++;  
    for (i=1;i<m;i++) cnt[i] += cnt[i-1];
    for (i=n-1;i>=0;i--) sa[--cnt[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<m;i++) cnt[i] = 0;
        for (i=0;i<n;i++) cnt[x[y[i]]]++;
        for (i=1;i<m;i++) cnt[i] += cnt[i-1];
        for (i=n-1;i>=0;i--) sa[--cnt[x[y[i]]]] = y[i];

        swap(x,y); 
        x[sa[0]] = 0;
        p = 1;
        for (i=1;i<n;i++)
            x[sa[i]] = ( y[sa[i]]==y[sa[i-1]] && y[sa[i]+j]==y[sa[i-1]+j] )? p-1:p++;
    }
}

void getheight(int n)
{
    int k=0;
    for (int i=0;i<n;i++) rnk[sa[i]] = i;
    for (int i=0;i<n;i++){
        if (rnk[i]==0){height[rnk[i]]=k=0;continue;}
        if (k) k--;
        int j = sa[rnk[i]-1];
        while (i+k<n && j+k<n && s[i+k]==s[j+k]) k++;
        height[rnk[i]] = k;
    }
}

int main()
{
    int n;
    while (~scanf("%s",s)){
        int len = strlen(s);
        scanf("%s",s+len+1);
        n = len + strlen(s+len+1) + 1;///+1很关键，虽然这题数据太水不+1也会AC
        build(n,200);//debug(1);
        getheight(n);//debug(2);
        int ans = 0;
        for (int i=1;i<n;i++)
            if ( (sa[i]<len && sa[i-1]>len) || (sa[i]>len && sa[i-1]<len) )
                ans = max(height[i],ans);
        //debug(3);
        printf("%d\n",ans);
    }
    return 0;
}

六、后记

后缀数组这个东西真的挺难的，与其每天花大把时间来想这个，不如每天抽个半小时想想，慢慢就想通了。

碰到难学的东西可能这么学效率会比较高。

然后我只能讲出我思考时遇到的困惑，如果有些地方没考虑，深感抱歉！