[C++]洛谷：【模板】扩展 KMP（Z 函数）算法详解

_烨_

已于 2022-08-05 10:09:41 修改

阅读量815

点赞数 2

分类专栏： CPP题集文章标签：算法 c++

于 2022-08-05 08:00:00 首次发布

本文链接：https://blog.csdn.net/weixin_62712365/article/details/126169101

版权

CPP题集专栏收录该内容

19 篇文章 2 订阅

订阅专栏

-原题呈现-

[原题]

给定两个字符串 a,b，你要求出两个数组：

- b 的 z 函数数组 z，即 b 与 b 的每一个后缀的 LCP 长度。
- b 与 a 的每一个后缀的 LCP 长度数组 p。

对于一个长度为 n 的数组 a，设其权值为 xor(i=1 -> n)(i * ai + 1)。

[输入格式]

两行两个字符串 a,b。

[输出格式]

第一行一个整数，表示 z 的权值。

第二行一个整数，表示 p 的权值。

[输入样例]

aaaabaa
aaaaa

[输出样例]

6
21

[样例解释]

z = {5 4 3 2 1}，p = {4 3 2 1 0 2 1}。

[数据范围]

对于第一个测试点，|a|,|b| ≤ 2e3。

对于第二个测试点，|a|,|b| ≤ 2e5。

对于 100% 的数据，1 ≤ |a|,|b| ≤ 2e7，所有字符均为小写字母。

-题意分析-

题目给出两个字符串a和b，需要我们求出b与b的每一个后缀子串的LCP长度及b与a的每一个后缀子串的LCP长度并根据公式求出对应的权值。其中，LCP长度为两个字符串的最大公共前缀长度。

-Z函数和Z-box-

首先，在完成这个任务之前，让我们先来了解一下什么是Z函数和Z-box。

如上图，对于字符串b = "aaabcaaaba"，我们可以分别截取他的后缀子串，图中的b'和b''即是其中的两个后缀子串。将这两个后缀子串分别与主串相比较，不难发现他们的LCP长度分别为2和1（即为图中红框和蓝框框出的部分长度）。

而z函数数组则进行如下定义：对于主串b[k](k∈[0, n])，取其后缀子串b'[k](k∈[i, n])，z[i]记录的值即为当前后缀子串的LCP长度。通过这种方式，我们可以将字符串b对应的z[i]函数值全部计算出来，结果如下表所示。

显然，要想获得z函数每一位上的值，我们可以通过双指针的方式进行逐位比较，最终获得匹配的字符个数。但是，这样的暴力写法需要将近o(n^2)的时间复杂度，因此我们需要一个更加优化的方法去实现这个过程。这里，我们采用扩展KMP的算法去实现这个过程。

现在，让我们特别关注一下i = 6的状态。

不难发现，此时的z[i]应该为4。现在，我们用一个长度为当前z[i] = 4的盒子将区间[6, 9]框起来，当我们继续更新z[7]的值时，由于b[1~4]和b[6~9]的部分都是“aaab”，我们不难发现，更新z[2]的过程与更新z[7]的过程是完全一致的，最终都是比较至4号位或9号位的'b'字符时发现不匹配而终止。这样，我们便可以直接使用z[2]的值来更新z[7]。同样地，z[3]的值也可以用于更新z[8]，z[4]的值也可以用于更新z[9]。可见，只要当前更新的元素在我们构建出的盒子之内，就有机会直接使用之前已更新的元素去更新当前的元素。这个盒子，我们便将它成为Z-box。而通过构建Z-box，我们可以使用已经计算出的z函数值来加速更新后续的z函数值，即对于每个z[i]，都可以通过z[1],z[2],...,z[i - 1]的值来加速更新。这样，整体算法的时间复杂度就被缩减至了o(n)。

我们每次计算完前i - 1个z函数，我们需要不断维护盒子[l, r]的右端点r值，根据上面的分析，对于每个盒子内的i值，都有一个对应点x，它们的特点是：从盒子左端点l到i的偏移量与从1到对应点x的偏移量相等。我们可以得到关系式

b[l, r] = b[1, r - l + 1]

当然，并非所有盒子中的值都可以被直接更新，让我们来观察一下i = 3时的状态。

此时，i正处于i = 2时构建出的范围为[2,3]的盒子中。若根据之前的算法，应当用z[2]的值去更新z[3]的值，但是显然z[2]与z[3]是完全不同的。显然，我们需要对这种可能性进行进一步的讨论。

如上图，z[i - l + 1]表示i - l + 1位置处后缀子串的LCP长度，而这个长度一旦超过了盒子原本的长度，那么i位置的超出部分是否能匹配成功我们是无法直接得出的，因此无法直接使用这个值去更新后续i位置的z函数值。这种情况下，我们仍然需要进行逐位比较去得出i位置的z函数值，但这个值显然大于右端点到i位置的距离即r - i + 1，因此我们可以直接从右端点所在位置开始进行逐位比较。

相反地，如果z[i - 1 + 1]在盒子容纳的范围之内，则可以直接使用对应点的z函数值去更新i位置的z函数值。

讨论完了i在盒子内的情况，那如果i在原来的盒子以外呢？那当然是进行最朴素的逐位比较并更新z函数值喽！

-扩展KMP的代码实现-

接下来，我们将上述过程进行代码实现。

首先，对于i = 1的位置，其LCP长度自然是字符串本身长度，因此我们可以直接进行更新。

接下来，假如我们使用最朴素的逐位比较，双指针分别指向1 + z[i]处和i + z[i]处，我们只需要比较这两个位置即可，代码如下：

    //这里用s2表示字符串，n2即为字符串的长度
    z[1] = n2;
    for (int i = 2; i <= n2; i++)
    {
        while (s2[1 + z[i]] == s2[i + z[i]])
            z[i]++;
    }

然后，当i在盒子内时，即i <= r时，z[i]可以由z[i - l + 1]的值直接更新或从盒子右端点处开始逐位比较，因此我们可以在逐位比较前将z[i]的值设为min{z[i - l + 1], r - i + 1}。

在每轮循环的最后，我们需要维护盒子的右端点，这个过程只需将r与i + z[i] - 1（i位置可能的新右端点值）进行比较和更新即可。

优化后的代码如下：

void get_z()
{
    z[1] = n2;
    ll l, r = 0;
    for (int i = 2; i <= n2; i++)
    {
        if (i <= r)
            z[i] = min(z[i - l + 1], r - i + 1);
        while (s2[1 + z[i]] == s2[i + z[i]])
            z[i]++;
        if (r < i + z[i] - 1)
            l = i, r = i + z[i] - 1;
    }
}

通过这种方式，我们即可以成功获得z函数数组啦！

-扩展KMP在双串匹配中的应用-

题目中还需要我们求出p数组：b与a后缀子串的LCP长度对应数组。实际上，这个过程与以上Z函数的求解过程非常的相似，只不过一个是自己与自己的后缀子串相比较，一个是与另一个字符串的后缀子串相比较。

这个过程的代码有三点值得注意：

（1）由于i = 1时我们并不能直接得出p[1]的值，因此我们直接将i = 1的情况也放入循环中进行逐位比较和计算。

（2）由于是两个串之间的比较，所以我们需要借助之前的z数组，每次将p[i]设为min{z[i - l + 1], r - i + 1}再进行逐位计算。

（3）由于两个串的长度不一定相同，所以我们在比较的过程中需要加上边界条件。

接下来，我们直接来看扩展kmp的代码部分：

void exkmp()
{
    ll l, r = 0;
    for (int i = 1; i <= n1; i++)
    {
        if (i <= r)
            p[i] = min(z[i - l + 1], r - i + 1);
        while (1 + p[i] <= n2 && i + p[i] <= n1 && s2[1 + p[i]] == s1[i + p[i]])
            p[i]++;
        if (i + p[i] - 1 > r)
            l = i, r = i + p[i] - 1;
    }
}

-整题代码-

#include <iostream>
#include <string.h>
using namespace std;
typedef long long ll;
const int maxn = 2e7 + 50;

string s1, s2;
int n1, n2;
ll z[maxn], p[maxn];

void get_z()
{
    z[1] = n2;
    ll l, r = 0;
    for (int i = 2; i <= n2; i++)
    {
        if (i <= r)
            z[i] = min(z[i - l + 1], r - i + 1);
        while (s2[1 + z[i]] == s2[i + z[i]])
            z[i]++;
        if (r < i + z[i] - 1)
            l = i, r = i + z[i] - 1;
    }
}

void exkmp()
{
    ll l, r = 0;
    for (int i = 1; i <= n1; i++)
    {
        if (i <= r)
            p[i] = min(z[i - l + 1], r - i + 1);
        while (1 + p[i] <= n2 && i + p[i] <= n1 && s2[1 + p[i]] == s1[i + p[i]])
            p[i]++;
        if (i + p[i] - 1 > r)
            l = i, r = i + p[i] - 1;
    }
}

int main()
{
    cin >> s1 >> s2;
    n1 = s1.size(), n2 = s2.size();
    s1 = ' ' + s1, s2 = ' ' + s2;
    get_z();
    exkmp();
    ll ans1 = 0, ans2 = 0;
    for (int i = 1; i <= n2; i++)
        ans1 ^= 1LL * i * (z[i] + 1);
    for (int i = 1; i <= n1; i++)
        ans2 ^= 1LL * i * (p[i] + 1);
    cout << ans1 << '\n' << ans2;
    return 0;
}