后缀自动机SAM题目总结

最新推荐文章于 2022-10-17 10:51:10 发布

置顶 wtyyy!

最新推荐文章于 2022-10-17 10:51:10 发布

阅读量679

点赞数

分类专栏： SAM 算法文章标签： SAM

本文链接：https://blog.csdn.net/weixin_44627639/article/details/89006406

版权

算法同时被 2 个专栏收录

23 篇文章 0 订阅

订阅专栏

SAM

4 篇文章 0 订阅

订阅专栏

Hihocoder我的入门SAM

题意

从零开始学习SAM入门,讲的非常好

思路

仔细阅读题目理解SAM各种性质

我的入门代码

题意

求整个串中本质不同子串个数(本质不同:两个串的长度或内容有差异)

$|S|\le 10^5$

思路

对原串构造SAM, $ans=\sum_{i\in [1,cnt]}mxl[i]-mxl[pre[i]]$

代码在这里

题意

求出所有长度为 $K\in [1,|S|]$ 的子串的最大出现次数

$|S|\le 10^5$

思路

先用基数排序计算出每个节点的 $∣ e n d p o s (s) ∣$ 即该点的endpos集合大小,如果对于他所管辖的串个数 $[m x l [p r e [i]] + 1, m x l [i]]$ 都去更新的话,复杂度会退化为 $O(n^2)$ ,发现 $a n s [1], a n s [2], a n s [3] . . . a n s [n]$ 一定是单调递减的序列,所以我们只需要更新他所管辖的长度中的最大值即可,最后再从大到小更新答案,如果 $a n s [i] < a n s [j] 且 i < j$ 更新 $a n s [i] = a n s [j]$

代码在这里

后缀自动机四·重复旋律7

题意

给出 $N$ 个只由 $[0, 9]$ 组成的字符串 $S$ ,求所有本质不同的子串"和"(把串看成数字,在十进制下求和,允许有前导0)
$\sum|S|\le 10^5$

思路

首先看到多个串处理,可以用广义SAM处理他们本质不同的子串,方法:每次新插入一个串时,last=1,Extend时注意判断 $c h [p] [c]$ 是否有值,如果有则 $l a s t = c h [p] [c]$ 直接返回,否则和普通SAM一样.

再用基数排序(注意:基数排序在广义SAM中必须保证没有多余的节点,即Extend一定要特判才能使用),发现每个节点的sum[v]可以由 $c h [u] [c] = v$ 的u节点的sum[u]过来,有 $sum[v]=\sum_{ch[u][c]=v}{sum[u]*10+c*(mxl[u]-mxl[pre[u]])}$ , $m x l [u] - m x l [p r e [u]]$ 表示u所管辖的串个数,他们都可以通过c这个字符转移到v节点,而sum[u]中已经记录过了串个数所以不用乘上,但c要乘上个数.最后答案就是所有节点sum的和

代码在这里

后缀自动机五·重复旋律8

题意

有N个询问,每个询问有字符串T,他们可以把第一个字符换到最后面成为T’,可以对T’进行相同的操作成为新的T’,在给出的字符串S中,求对于每一个字符串T的所有T’在S中出现的次数和

S和T都小写字母组成, $\sum|T|\le 10^5$

思路

经典的计算字符串 $T$ 每个位置的后缀在 $S$ 中出现的最大长度问题,可以利用SAM的ch数组,因为通过ch数组所能跑出来串一定是 $S$ 的子串,并且失配可以跳pre以保证最大长度匹配.方法:假设当前以及匹配到了u节点匹配长度为l,现在 $T$ 中字符为c,判断 $c h [u] [c]$ 是否有值,如果有 $u = c h [u] [c], l + +$ 否则 $u = p r e [u]$ 以降低限制再重复上述操作,如果最后u=0则说明 $T$ 根本在 $S$ 中没有出现过,初始化u=1,l=0,否则u在保证 $mxl[u]\ge |T|$ 下继续跳pre[u],以保证相同的 $T$ 都会到达相同的节点u,保证不会算重,最后对u打上标记, $a n s + = s z [u]$ (sz[u]为endpos集合大小)

这种判断子串 $T $ 在 $S $ 中出现的次数的题可以改编成在 $S $ 中的指定区间 $[l, r] $ 中出现的次数,方法如上但要有线段树维护endpos节点判断是否在 $[l, r] $ 区间中,"NOI2019你的名字"就是如此

代码在这里倍增一下也可以

后缀自动机六·重复旋律9

题意

有A和B两个字符串,A’和B’分别是A和B的子串,小Hi和前辈分别可以选择A’和B’中的一个在其末尾添加一个字符,并要求添加后的串依然是A或B的一个子串,谁最后无法操作就输了.小Hi和前辈都足够聪明,小Hi和前辈一共进行K次较量,每次较量都是前辈先操作,前辈已经洞悉了所有先手必胜的A’和B’,第i次前辈会选出字典序第i小的A’和B’(A’优先级高于B’)和小Hi较量,请问第K次前辈会选出哪两个A’和B’?

$K\le 10^{18}\quad |A|,|B|\le 10^5$

思路

这道题时hihocoder后缀自动机最后一题,难度很高,其中用的SAM找第k小的思路可以先看看下面的[TJOI2015]弦论这道题,会更好的理解这里的方法

看到是博弈问题还和字符串有关,规则还是在字符串后加新的字符并且还是原串的子串,于是想到SAM的ch数组,通过SAM的ch数组走出来的串一定是其子串,原题的较量其实就变成SAM上的DAG(有向无环图)上进行的移动,可以想象成两个棋子在DAG上移动,谁先不能移动就输了.这是其实就是经典的DAG上组合游戏,利用SG函数判断是否有解,对于两个串只要判断对于节点的SG值异或值是否是0,如果是0则先手必败,否则先手必胜.

看到判断先手必胜可以通过SG函数,那么如何求出字典序第K小的A’和B’.我们先考虑在A上取一个节点,其对应的SG值记为 $SG_A$ 考虑要求先手必胜则在B上取得一个节点的 $SG_B \ne SG_A$ 的所有节点都可以取到,我们记 $d p [i] [j]$ 表示拓扑序在i之后的所有SG值为j的节点个数和,记 $sum[i]=\sum_{j\in C} dp[i][j]$ C为字符集大小.于是我们可以通过 $s u m [i] - d p [i] [j]$ 计算出所有i节点后的SG值不等于j的个数.问题可以得到解决,方法:记nowA为枚举到字符串A的SAM上的节点,nowB为枚举到字符串B的SAM上的节点,先枚举nowA的位置,通过判断剩余的K是否小于 $B.sum[SG_A]-B.dp[1][SG_A]$ 如果是的则就是当前位置,否则 $K-=B.sum[SG_A]-B.dp[1][SG_A]$ 再枚举c判断 $c h [n o w A] [c]$ 是否可取,当 $\sum_{j\in C} A.dp[A.ch[nowA][c]][j]*(B.sum[1]-B.dp[1][j]) \ge K$ 则 $n o w A = c h [n o w A] [c]$ 否则继续枚举c,如果枚举完了都没法转移 $n o w A$ 则说明无解.然后继续枚举nowB的节点,方法和枚举A差不多,也是由字典序小到大判断是否可取,能取就取.

在每次移动nowA和nowB的时候记录下转移的c,最后答案就是nowA和nowB移动轨迹组成的串

这样讲解太麻烦,其实代码不难理解,看hihocoder其实也很好理解

代码在这里

单一的SAM

【模板】后缀自动机

题意

请你求出S的所有出现次数不为1的子串的出现次数乘上该子串长度的最大值。

$\le 10^6$

思路

先用基数排序算出每个节点的出现次数记为sz[i], $ans=Max_{i\in [1,cnt]}sz[i]*mxl[i]*[sz[i]>1]$

式子中的中括号[一个条件]表示满足条件则为1否则为0.

代码在这里

工艺

题意

给你一个长度为n的有数字组成的序列,你可以将最左边的数字移动到最右边,你可以重复这个操作无限次,求出最小字典序的序列.

思路

看到可以把序列最前的移动到最后,于是把串重复插入到SAM中两次,在SAM上ch数组跑出来的都是它的子串,所以只要沿着字典序最小的ch跑一遍,直到长度到n结束.由于是数字组成的ch数组换成map即可.

代码在这里

[AHOI2013]差异

题意

给定一个长度为n的字符串S,令 $T_i$ 表示它从第i个字符开始的后缀.len(a)表示字符串a的长度,lcp(a,b)表示字符串a和字符串b的最长公共前缀,求
$\sum_{1\le i<j\le n} len(T_i)+len(T_j)-2*lcp(T_i,T_j)$

$|S|\le 5*10^5$

思路

仔细看看式子,想想后缀树,在后缀树上找到A节点包含a串,B节点包含b串 $l c a (A, B)$ 的节点一定包含 $l c s (a, b) 最长公共后缀$ ,题目要求最长公共前缀就把SAM倒着建出来,答案其实就是要求树上任意两点间的距离和,令树上u到pre[u]的边权为 $m x l [u] - m x l [p r e [u]]$ ,发现一共有 $s z [u] * (n - s z [u])$ 个点对经过这条边,sz[u]为u的子树大小,可以用基数排序计算,所以答案就是

$\sum_{i\in [1,cnt]}(mxl[pre[i]]-mxl[i])*sz[u]*(n-sz[u])$

cnt为SAM的节点总数

代码在这里

[TJOI2015]弦论

题意

给定一个串S求出它的第k小子串是什么?当t为0则表示不同位置的相同子串算作一个,t为1则表示不同位置的相同子串算作多个.若子串数目不足k个则输出-1.

$|S|\le 5*10^5\quad k\le 10^9$

思路

又看到和字典序有关的子串题,想到上面的后缀自动机六·重复旋律9这道题其实思路一样,但这道题比上面的简单很多,只要预处理出它们后续节点数之和,当t=0时初始所有sz都为0,当t=1时通过基数排序算出每个节点的sz大小,再拓扑排序从大到小,依次计算出其 $sum[u]=\sum sum[ch[u][c]],c\in C$ C为字符集大小,当 $s u m [1] < k$ 输出-1,否则dfs从1开始每个节点从0-25枚举每种字符接在当前节点后面,当 $sum[ch[u][c]]\ge k$ 时 $u = c h [u] [c]$ 最后答案字符串就是u的移动轨迹组成的串.

代码在这里

LCS2 - Longest Common Substring II

题意

给定一些n个字符串,求出它们的最长公共子串长度.

$n\le 10 \quad \sum |S| \le 10^6$

思路

由于是要求公共子串,所以可以仅对第一个字符串构造SAM,于是就变成了经典的计算字符串 $T$ 每个位置的后缀在 $S$ 中出现的最大长度问题,解决方法见上:后缀自动机五·重复旋律8.对每个节点记下当前最大的匹配长度,并用当前节点的最大匹配长度更新它所有的pre节点 $mx[u]=max\{min(mx[v],mxl[u])\},u\in Pre_v$ , $Pre_v$ 是v的所有pre节点的集合,也可以理解成后缀树上它到根节点路径上的所有节点的集合.然后再对节点取最小值, $mn[u]=min\{mx[u]\}$ ,意思就是在整体上这个节点的最大的匹配长度,对每个串重复上述操作,最终最大的mn[u]就是答案最长公共子串长度

LCS - Longest Common Substring是它的弱化版只有2个串

代码在这里

广义SAM

JZPGYZ - Sevenk Love Oimaster

题意

给定n个模板串S和m个查询串T,依次查询每一个查询串是多少个模板串的子串.

$|S|\le 10^5 \quad |T| \le 3. 6*10^5$

思路

广义SAM的第一种构造方法(第二种构造方法在"[Zjoi2015]诸神眷顾的幻想乡"中会有),非常简单,只要在每次新加入一个串时把last=1即可.(注意:这样直接搞是不能做基数排序的,原因见广义后缀自动机上基排的一个bug - BlackJack,下面"[HAOI2016]找相同字符"一道题的广义SAM会用到特判操作以保证基数排序的正确性).

把所有的串都塞进广义SAM中,然后对每个串的所有子串在SAM节点上++sum,详细方法:枚举每个串的位置对应的SAM中节点x,x不断地跳pre,跳到的节点一定是它的子串,对节点++sum[x],为保证不加重复,还要对其打上标记.最后对每次询问,将询问串直接在广义SAM中ch数组上跑,如果断掉了说明在它不属于任何一个模板串的子串,直接结束.否则答案就是最后停下节点位置的sum值.

代码在这里

[USACO17DEC]Standing Out from the Herd

题意

定义一个字符串的"独特值"为只属于该字符串的本质不同的非空子串的个数.给定N个小写英文字母的字符串求出每个字符串的"独特值"

如"amy"和"tommy"两个串,只属于"amy"的本质不同的非空子串为"a",“am”,“amy"共3个,只属于"tommy"的本质不同的非空子串为"t”,“to”,“tom”,“tomm”,“tommy”,“o”,“om”,“omm”,“ommy”,“mm”,"mmy"共11个,所以它们的独特值分别为3和11

$|S|\le 10^5$

思路

还是用到广义SAM构建方法如上道题一样,然后也是把每个串的所有子串++cnt,表示这个节点是多少串的公共子串,最后在分别对每个串找子串,其"独特值"就是它的子串中cnt=1的节点(即它只在一个串中出现过)的 $m x l [i] - m x l [p r e [i]]$ 之和.代码中直接记录了经过当前节点的串的序号.

代码在这里

[HAOI2016]找相同字符

题意

给定两个字符串,求出在两个字符串中各取出一个子串使得两个子串相同的方案数.方案的不同有且仅当这两个串中有一个位置不同.

$|S_1|,|S_2|\le 2*10^5$

思路

在上面两道题中都没有提到广义SAM构造要特判的细节,如果想用基数排序必须要特判一下.题目要求两个字符串的本质不同的公共子串的出现次数,想到要用到SAM上的sz[]即 $∣ e n d p o s ∣$ 集合大小来判断,在普通SAM中求sz[]可以通过基数排序完成,在广义SAM上是否可行呢?当然可以,但要有一个前提,即节点的mxl顺序必须和拓扑排序顺序一致,说明我们不能构造出多余的节点.多余的节点只有可能出现在last=1时重新插入新串时,当 $c h [l a s t] [c]$ 已经有值且 $m x l [c h [l a s t] [c]] = = m x l [l a s t] + 1$ 的时候,这个新的np节点就是无用的了.它不用插入SAM中,它是某个已经插入的串的一个子串,所以当 $c h [l a s t] [c]$ 有值得时候,修改 $l a s t = c h [l a s t] [c]$ 然后直接退出即可.

这道题要求两个串上相同串出现次数的组合,即要分别求 $s z []$ ,当一个节点在两个串上同时出现过,那么 $s z [i] [1] 和 s z [i] [2]$ 都不为0, $a n s + = s z [i] [1] * s z [i] [2] * (m x l [i] - m x l [p r e [i]])$ 即可.

当然如果不想去除多余点,也可以直接dfs广义SAM,在回溯的时候也可以获得sz[]

基排代码 dfs代码

[ZJOI2015]诸神眷顾的幻想乡

题意

有一颗n个节点的树,每个节点一种颜色 $c_i$ ,选中树上两点A和B(A,B可相同),A到B的路径上(包括端点)的颜色会组成一条序列(串),请问在这颗树上一共有多少不同的颜色序列(子串)?

树叶子节点不会超过20个. $n\le 10^5,c\in [1,10]$

思路

题目要求的就是多个串的本质不同的公共子串的个数,就要用到广义SAM.这道题就是构建广义SAM的第二种方法,先把所有的要插入的串都放到Trie树上,再从根节点遍历整颗Trie树,添加节点的时候从它的父节点在SAM中的节点后继续添加,这样就可以避免重复添加相同前缀的串.对于这道题而言,它相当于已经把字符串已经放在Trie树上了于是从每个叶子节点开始遍历整棵树,插入到SAM中,因为叶子节点一共只有20个复杂度为 $O (20 * n)$ 求有多少个本质不同的公共子串即 $\sum_{i\in[1,cnt]}mxl[i]-mxl[pre[i]]$ 也就是后缀自动机二·重复旋律5的式子

代码在这里

ACM-ICPC WF2019 G题 First of her name

题意

第一行输入n和k,下面n行,每一行有一个英文大写字符c和一个数字i,表示该行的字符串是由第i行字符串的前端插入c字符所构成的新串(i=0表示它是独立的第一个字符,理解成插入在空串前面),题目保证不会出现相同的字符串,再下面k行,每行一个字符串S,询问S是多少个串的前缀?

样例:

10 5
S 0
Y 1
R 2
E 3
N 4
E 5
A 6
D 7
Y 7
R 9
RY
E
N
S
AY

解释:每一行字符串分别对应的是:

S
YS
RYS
ERYS
NERYS
ENERYS
AENERYS
DAENERYS
YAENERYS
RYAENERYS

询问中:"RY"是第3个和第10个串前缀,"E"是第4个和第6个串前缀,"N"是第5个串前缀,"S"是第1个串的前缀,"AY"不是任何一个串的前缀,输出0.

$n\le 10^6,\sum|S|\le 10^6$

思路

看懂题意后,其实他给你了一颗Trie树,题中每一行的数字就是该节点的父亲节点,从Trie树根节点到树上任何一个节点走出的路径都是一个模板串,求询问串是多少个模板串的前缀.于是就和[ZJOI2015]诸神眷顾的幻想乡一样的思路,利用Trie树构建广义SAM,pos为Trie树上节点到根节点路径组成的串在SAM上对应的节点,每次插入新节点在Trie树上的父亲节点的pos后插入,在每个新插入位置的sz上+1,再求出每个节点的sz大小,询问就是把询问串倒过来走ch数组,如果中间走不下去了就说明它不是任何一个串的子串输出0,否则输出最后它到达的节点的sz值.

问题来了,为什么我用基排和用dfs求sz数组,为什么dfsA了而基排WA了呢,理论上在Trie树上构建SAM是没有多余节点问题的,而且题目保证了没有相同的串,为什么基排挂了呢?求大佬解释.

AC代码dfs版 WA代码基排版

SAM+DP

[CTSC2012]熟悉的文章

题意

给定M个模板串,如果一个01串S将其分割成若干段子串,其中是模板串的子串的串的长度和不少于S总长度的90%那么称S是"熟悉的文章",求让S成为"熟悉的文章"的所有子串的长度的最大值.一共有N次询问

输入文件的总长度不超过 $1.1*10^6$ 字节

思路

发现当答案越小与模板串匹配数肯定越多,答案越大与模板串匹配数越少,于是可以二分答案.

那么如何去写check函数呢?这里必须要做到接近 $O (n)$ 的速度.我们先预处理出每个节点的最大后缀匹配长度记为mxc[i],求这个方法可以把要求的串再广义SAM上ch数组上找到其匹配最大长度.

于是问题变成了如何去把串分段,使得匹配长度最大.这里肯定要用到dp,记f[i]表示匹配到i时前面(包含i)的匹配最大长度,记我们check的长度为L,我们每次分段的长度为 $[m x c [i], L]$ ,于是有转移方程 $f[i]=max\{f[i-1],f[j]+i-(j+1)+1\},j\in [i-mxc[i],i-L]$ 对于每个位置,我们只要 $f [j] + i - j$ 的最大值,发现 $i - m x c [i]$ 是单调不降序列,于是可以用单调队列维护最大值,要求最大值 $f [j] - j$ 于是可以维护一个 $f [j] - j$ 单调递减队列,每次队头就是最优转移方案,细节请看代码.

代码在这里

SAM+LCT

「雅礼集训 2017 Day7」事情的相似度

题意

给出一个01串，求出结束点在 $[l, r]$ 的两个前缀的最长公共后缀长度

思路

$i, j$ 表示原字符串上位置， $p o s []$ 表示在SAM上对应的点
求两个点的最长公共后缀长度，就是他们在后缀树上的LCA点的 $m x l$
先把询问离线下来，按右端点排序，从左向右顺着扫一遍，每次把当前点 $p o s [i]$ 到根节点的路径都打上 $i$ 位置标记，如果新加入的点到根的路径上找到了标记，那么就要更新这个点的 $m x l$ 对答案的贡献
$p o s [i]$ 到根节点的路径就是LCT的access操作，顺便找出打过标记的点
在这里插入图片描述
如图，当前右端点已经到了 $r$ 在进行access操作时，找到了 $j$ 节点，那么在线段树上 $j$ 的mx值就可以更新成 $m x l$ ，在线段树上查询区间 $[l, r]$ 时，当 $l$ 在 $j$ 的右边时，这个 $m x l$ 不会对答案贡献，当 $l$ 在 $j$ 的左边时，这个 $m x l$ 可能对答案贡献。所以只需要在线段树上更新 $j$ 的mx值
当结束完一个点的access操作和query后，再对它打上标记

题解和代码

wtyyy!

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
后缀自动机SAM题目总结

Hihocoder我的入门SAM后缀自动机一·基本概念题意从零开始学习SAM入门,讲的非常好思路仔细阅读题目理解SAM各种性质我的入门代码后缀自动机二·重复旋律5(入门题)题意求整个串中本质不同子串个数(本质不同:两个串的长度或内容有差异) ∣S∣≤105|S|\le 10^5∣S∣≤105思路对原串构造SAM, ans=∑i∈[1,cnt]mxl[i]...
复制链接

扫一扫