后缀数组 从零基础到入门

上一次用这样的标题还是在上一次。

Part0 定义

给定一个长度为 $n$ 的字符串 $s$，将其 $n$ 个后缀按字典序排序（本文均为从小到大），排序后可以得到两个数组：

• $sa[i]$ 表示排名为 $i$ 的后缀的起始位置
• $rk[i]$ 表示起始位置为 $i$ 的后缀的排名

这就是后缀数组的组成部分，一定要熟记这两个定义qwq。

根据定义，得到两个性质：

• $sa[rk[i]]=i$，即排名为（起始位置为 $i$ 的后缀的排名）的后缀的起始位置是 $i$ （不打括号就太拗口了
• $rk[sa[i]]=i$，即以（排名为 $i$ 的后缀的起始位置）为起始位置的后缀排名是 $i$

Part1 思想原理

$n^2\log n$

STL大法，string比较 $O(n)$ + sort快排 $O(nlogn)$。

$n{\log }^{2}n$

考虑倍增，当对字符串 $s1$ 和 $s2$ 进行比较的时候，将两个字符串分别从中间断开，得到 $s1=l1+r1$,$s2=l2+r2$，那么 $l1\ne l2$ 时直接根据 $l1$ 和 $l2$ 大小关系比较，$l1=l2$ 时再根据 $r1$ 和 $r2$ 进行比较即可。

将这个倍增的思路应用到求后缀数组的过程中，具体地，对于字符串"aabaaaab"，有：

（图片来源OI wiki qwq

这样的话每次比较的字符串数都翻倍，但永远比较的是二元组 $(l,r)$，最多需要 $O(\log n)$ 次排序，内部用快排实现就可以很容易把时间复杂度降为 $O(n{\log }^{2}n)$，有了很大的进步，但是仍然不够优秀。

$n\log n$

不难发现以上算法的复杂度瓶颈在排序，由于字符种类数有限，可以使用基数排序把排序复杂度降为 $O(n)$，那么整个时间复杂度就变为 $O(n\log n)$。

其实理解了那张图也就能明白原理，下面就只要写出代码就好了。

Part2 代码实现

由上可知，排序比较的是一个二元组，假设当前比较到 $i$，倍增长度为 $k$。那么二元组的第一关键字就是 $rk[i]$，第二关键字就是 $rk[i+k]$。

根据基数排序的思想，代码实现就是先对第二关键字排序，再对第一关键字排序，再更新数组 $rk$ 的过程。

代码一定要结合 $sa$ 和 $rk$ 的定义理解，可以解决很多问题qwq

Code：

int tong[N],rk[N],pre[N],sa[N],id[N],px[N];
inline bool cmp(int x,int y,int k){
	//用函数来写，同样可以减少不连续的内存访问，优化常数 
	return pre[x]==pre[y]&&pre[x+k]==pre[y+k];
	//两个串相同即第一关键字和第二关键字都相同 
}
inline void SA(){
	//初始先设定一个m，为字符串的值域
	//以后的每一个循环都要分清n和m啊qwq
	
	//先处理单个字符，开桶进行计数排序，初始化它们的排名 
	ff(i,1,n) tong[rk[i]=s[i]]++;
	ff(i,1,m) tong[i]+=tong[i-1];
	//求前缀和得出每个关键字最大名次 
	for(int i=n;i>=1;--i) sa[tong[rk[i]]--]=i;
	//没有第二关键字，正序倒序均可 
	for(int k=1;k<=n;k<<=1){
		
		//排序第二关键字，id[i]表示第二关键字排名为i的数第一关键字的位置 
		int cnt=0;
		ff(i,n-k+1,n) id[++cnt]=i;
		//i+k>n，没有第二关键字，排名最靠前 
		ff(i,1,n) if(sa[i]>k) id[++cnt]=sa[i]-k;
		//顺序枚举sa，保证排名从小到大，加入可以作为第二关键字（sa[i]>k）的点
		
		//计数排序第一关键字 
		ff(i,1,m) tong[i]=0;
		ff(i,1,n) tong[px[i]=rk[id[i]]]++;
		//用px[i]记录id[i]的排名，保证内存连续访问，可以卡常 
		ff(i,1,m) tong[i]+=tong[i-1];
		//做前缀和，使桶变为排名 
		for(int i=n;i>=1;--i) sa[tong[px[i]]--]=id[i];
		//一定要倒序
		//因为tong[px[i]]展开就是tong[rk[id[i]]]
		//这个桶里存了若干个第一关键字相同的串，要根据第二关键字排序
		//所以倒着枚举i可以使第二关键字排名递减，先取出来的就是最大的，就能求出正确的排名 
		
		//更新rk 
		ff(i,1,n) pre[i]=rk[i];
		//用pre存一下原来的rk数组，用于比较是否相同
		cnt=0;
		ff(i,1,n) rk[sa[i]]=(cmp(sa[i],sa[i-1],k)?cnt:++cnt);
		//sa已经在排序第一关键字的时候更新了，直接顺序枚举即可
		//用cnt来记录当前不同的后缀个数 
		if(cnt==n) return;
		//已经有n个不同的后缀了，无需再排序 
		m=cnt;
		//缩小值域，卡常 
	}
}

Part3 一些应用

求LCP

后缀数组还包括一个数组 $height$（以下简称 $h$），$h[i]$ 表示 $sa[i-1]$ 和 $sa[i]$ 的最长公共前缀（即LCP）的长度。

怎么用 $h$ 数组求出任意两个后缀的最长公共前缀呢？假设当前求后缀 $i$ 和 $j$ 的最长公共前缀，设 $rk[i[<rk[j]$，那么有 $\forall k\in [i,j]$，$lcp(i,j)=\min (lcp(i,k),lcp(k,j))$。

证明：$\min (lcp(i,k),lcp(k,j))$ 是 $k$ 与 $i$ 的LCP与 $k$ 与 $j$ 的LCP的交集，就一定是 $i$ 与 $j$ 的公共前缀，故 $lcp(i,j)>=min(lcp(i,k),lcp(k,j))$；而由于后缀已经排好序，不可能 $i$ 到变 $k$ 之后 $k$到 $j$ 又变回来，故 $lcp(i,j)<=min(lcp(i,k),lcp(k,j))$，得证。

根据定义计算 $h$ 数组的时间复杂度是 $O(n^2)$，显然不可取。但是我们可以根据这样一个定理在 $O(n)$ 的时间完成计算：$h[rk[i]]>=h[rk[i-1]]-1$。

证明：感谢 Maverik 告诉我证明挂了，所以我选择背下来！

于是我们就可以写出求 $h$ 数组的代码，再用ST表处理就可以 $O(1)$ 查询任意两个后缀的LCP了。

inline void geth(){
	for(int i=1,k=0;i<=n;++i){
		if(!rk[i]) continue; 
		if(k) --k;
		while(s[i+k]==s[sa[rk[i]-1]+k]) ++k;
		h[rk[i]]=k;
	}
}

（或许）未完待续。