[Pku 2774] 字符串(六) {后缀数组的构造}

{

从这一篇开始介绍后缀数组

一个强大的字符串处理工具

可以先研读罗穗骞的论文

后缀数组——处理字符串的有力工具

再行阅读本文 本文仅作参考和补充

}

 

字符串的后缀很好理解

譬如对于字符串"aabaaaab"

后缀有{"b","ab","aab","aaab","aaaab","baaaab","abaaaab","aabaaaab"}

后缀数组就是存储后缀的有序数组

字符串的大小是这样规定的

字符串的比较是逐个相应字符进行比较(比较他们的ASCII码)

直到有两个字符不相等为止 ASCII码大的字母所在字符串就大

为了处理长度不等的比较方便 我们给字符串末尾添加一个特殊的字符

要求它不同于任何一个字符串中的字符

这样我们对于后缀的比较就总能在一个串结束前比较出不同

上面的字符串经过添加特殊字符后就是"aabaaaab$"

排序之后就是这样

9 $
4 aaaab$
5 aaab$
6 aab$
1 aabaaaab$
7 ab$
2 abaaaab$
8 b$
3 baaaab$

注意到我们不用存储每一个后缀

只要用一个数组存储每个后缀开始的位置即可

最后我们得到这样一个整型数组

9 4 5 6 1 7 2 8 3 我们把它记做Select数组

通过它我们可以得到排名为K的后缀的开始位置S0=Select[k]

为了运算方便 我们还需要得到它的逆运算Rank数组

其中Rank[i]就是从i开始的后缀的排名

为了叙述方便 下文中一般用后缀开始位置i替代从i这个位置开始的后缀

 

首先我们要解决的问题就是如何生成后缀数组

即生成Select数组或者Rank数组

直接暴力排序肯定是不行的 由于比较字符串的复杂度为O(N)

最终复杂度达到了O(N^2*Log2N)

在罗穗骞的论文中 介绍了两种算法 倍增算法DC3算法

其中 倍增算法比较通俗易懂 DC3算法效率更高

这里介绍倍增算法 通常 倍增算法已经可以解决大部分问题

倍增算法的核心思想是递推 算法复杂度是O(NLog2N)

先排序长为2^K的分段 由两个2^K的分段拼接 快速地排序长为2^(K+1)的分段

考虑4个长度为2^k的串A B C D

当我们比较得出A B C D的大小时 通过上面字符串大小比较的定义

就可以很容易地比较得出E=A+B与F=C+D的大小

譬如 A<C 直接得出 E<F;A>C得出 E>F;

A=C且B<D 可以得出E<F; A=C且B>D 可以得出E>F;

这就是由2^K推出2^(K+1)的原理

实现可以用双关键字排序

我们排序的对象是Rank数组 因为Rank直接反映了字符串的大小关系

而且Rank数组是有范围的 所以用线性时间排序针对Rank设计计数排序CountingSort

 基本理论介绍完了 开始逐行解释代码

1 i:=0;
2  while not eoln do
3 begin
4 inc(i);
5 read(ch[i]);
6 a[i]:=ord(ch[i]);
7 end;
8 readln;
9 n:=i;
10  for i:=1 to n do
11 inc(w[a[i]]);
12  for i:=2 to 127 do
13 w[i]:=w[i]+w[i-1];
14  for i:=n downto 1 do
15 begin
16 s[w[a[i]]]:=i;
17 dec(w[a[i]]);
18 end
;
19 j:=1;
20 r[s[1]]:=1;
21  for i:=2 to n do
22 begin
23 if a[s[i]]<>a[s[i-1]]
24 then inc(j);
25 r[s[i]]:=j;
26 end;

1-9行用字符数组读入一个字符串

10-26行进行预处理 求出K=0即每个分段为单个元素时的Rank和Select数组

10-18行用了一趟计数排序 处理出Select[]

基本思想是对于序列中的每一元素x 确定数组中小于x的元素的个数

注意到14行循环是逆序的 这保证了计数排序的稳定性

19-26行运用逆运算关系得到Rank[]数组 处理了重复

下面开始倍增的过程

1 k:=j; j:=1;
2  while k<n do
3 begin
4 move(r,tr,sizeof(r));
5 fillchar(w,sizeof(w),0);
6 for i:=1 to n do
7 inc(w[r[i+j]]);
8 for i:=1 to n do
9 w[i]:=w[i]+w[i-1];
10 for i:=n downto 1 do
11 begin
12 ts[w[r[i+j]]]:=i;
13 dec(w[r[i+j]]);
14 end;
15 fillchar(w,sizeof(w),0);
16 for i:=1 to n do
17 begin
18 r[i]:=tr[ts[i]];
19 inc(w[r[i]]);
20 end;
21 for i:=1 to n do
22 w[i]:=w[i]+w[i-1];
23 for i:=n downto 1 do
24 begin
25 s[w[r[i]]]:=ts[i];
26 dec(w[r[i]]);
27 end;
28 k:=1;
29 r[s[1]]:=1;
30 for i:=2 to n do
31 begin
32 if (tr[s[i]]<>tr[s[i-1]])
33 or(tr[s[i]+j]<>tr[s[i-1]+j])
34 then inc(k);
35 r[s[i]]:=k;
36 end;
37 j:=j*2;
38 end;

k纪录的是当前Rank数组内有多少个不同元素

显然 Rank数组内的元素全都不同时 排序就完成了

j代表当前分段的长度为2*j 每趟外循环要乘2

为了代码比较好理解 没有加入罗穗骞论文内的常数优化 牺牲了点速度

不过无伤大雅 不会造成TLE

排序时引入了2个临时数组TempSelect[]和TempRank[]

TempSelect[]存储第二关键字的排序结果

TempRank[]存储上一次的Rank[]

由于计数排序是稳定的 我们只要分别对第二 第一关键字都排一次序即可

6-14行对第二关键字 也就是每个分段的后面一段字符串排序

16-27行对第一关键字 分段的前面一段排序

18行注意到第一次排序之后 原来元素的位置已经改变 所以要根据TempSelect[]重新赋值

同时在25行也要注意到这一点

28-36行生成新的Rank数组 判断重复要判断两段是否分别相等

循环结束 后缀数组就生成好了

 

我们为了解决问题通常还需要另外一个工具Height数组

Height[]纪录了两个相邻排名的后缀的最长公共前缀

最基本的一个性质是:任意两个后缀suffix(j)和suffix(k)的最长公共前缀为

height[rank[j]+1] height[rank[j]+2] height[rank[j]+3]……height[rank[k]]中的最小值

这是一个典型的区间最小值问题(Range Minimum Query)

通过稀疏表可以在O(NLog2N)的时间内预处理 在O(1)的时间内回答

具体可以去参考相关文章

由于很多字符串的问题都是关于字符串的子串的问题

子串最简单的描述方式是 后缀的前缀

我们通过得到任意两个后缀的公共前缀 正是谋求一种通用解决方法

下面考虑Height数组如何生成

罗穗骞论文内给出了一个不等式

设H[i]=Height[Rank[i]] 则H[i]>=H[i-1]-1

这样可以在O(N)的时间内求得H[] 通过求H[]可以得出Height[]

下面给出简单的说明

首先设K1=Select[Rank[i-1]-1],K2=Select[Rank[i]-1] (代入H[],Height[]定义得出)

由于Suffix(i-1)和Suffix(i)仅仅相差头部一个元素

K1和I-1的最长公共前缀去掉头部一个元素 显然是I和K2的一个公共前缀

又因为最长公共前缀为最大的公共前缀 所以H[i]>=H[i-1]-1

最后给出Height数组的求解代码 具体实现H[]可以虚设不求 直接给Height[Rank[]]赋值

1 j:=0;
2 h[1]:=0;
3  for i:=1 to n do
4 if r[i]<>1
5 then begin
6 k:=s[r[i]-1];
7 while a[i+j]=a[k+j] do
8 inc(j);
9 h[r[i]]:=j;
10 if j>0 then dec(j);
11 end;
12  for i:=1 to n do
13 begin
14 write(h[i]:4,' ');
15 for j:=s[i] to n do
16 write(ch[j]);
17 writeln;
18 end;

顺便给了输出的程序代码 可以用来检验程序是否写对

 

最后给一个简单的具体问题

Pku2774 求两个串的最长公共子串(不是最长公共子序列)

一个简单的做法是把两个串拼接起来求最大的重复出现的子串

还要确保不是同一个字符串的两个子串

具体的做法是用两个字符连接字符串S1 S2得到S1$S2#

扫描Height数组 确保Select[i-1]和Select[i]不是同一个字符串的后缀时 得出最大的Height[i]

代码如下

Long
const maxn=180001;
c
=255;
var i,m,n,p,j,k,max,y:longint;
w,sa,tsa,r,tr,x,h:
array[1..maxn]of longint;
ch:
array[1..maxn]of char;
begin
i:
=0;
while not eoln do begin inc(i); read(ch[i]); end;
inc(i); ch[i]:
='$'; readln; y:=i;
while not eoln do begin inc(i); read(ch[i]); end;
n:
=i; fillchar(w,sizeof(w),0);
for i:=1 to n do begin x[i]:=ord(ch[i]); inc(w[x[i]]); end;
for i:=2 to c do w[i]:=w[i]+w[i-1];
for i:=n downto 1 do begin sa[w[x[i]]]:=i; dec(w[x[i]]); end;
r[sa[
1]]:=1; p:=1;
for i:=2 to n do
begin
if x[sa[i]]<>x[sa[i-1]] then inc(p);
r[sa[i]]:
=p;
end;
m:
=p; j:=1;
while m<n do
begin
fillchar(w,sizeof(w),
0);
move(r,tr,sizeof(tr)); p:
=0;
for i:=n-j+1 to n do begin inc(p); tsa[p]:=i; end;
for i:=1 to n do if sa[i]>j then begin inc(p); tsa[p]:=sa[i]-j; end;
for i:=1 to n do begin r[i]:=tr[tsa[i]]; inc(w[r[i]]); end;
for i:=2 to maxn do w[i]:=w[i]+w[i-1];
for i:=n downto 1 do begin sa[w[r[i]]]:=tsa[i]; dec(w[r[i]]); end;
r[sa[
1]]:=1; p:=1;
for i:=2 to n do
begin
if (tr[sa[i]]<>tr[sa[i-1]])or(tr[sa[i]+j]<>tr[sa[i-1]+j])
then inc(p); r[sa[i]]:=p;
end;
m:
=p; j:=j*2;
end;
h[
1]:=0; j:=0;
for i:=1 to n do
if r[i]<>1 then begin
k:
=sa[r[i]-1];
while ch[k+j]=ch[i+j] do inc(j);
h[r[i]]:
=j;
if j>0 then dec(j);
end;
{for i:=1 to n do
begin
write(h[i],' ');
for j:=sa[i] to n do
write(ch[j]);
writeln;
end;
}
max:
=0;
for i:=1 to n-1 do
if (sa[i]<y)and(sa[i+1]>y)or(sa[i]>y)and(sa[i+1]<y)
then if h[i+1]>max then max:=h[i+1];
writeln(max);
readln;
end.

(老早的代码了 比较难看...)

下一篇具体介绍后缀数组的使用技巧

 

BOB HAN原创 转载请注明出处 http://www.cnblogs.com/Booble/

转载于:https://www.cnblogs.com/Booble/archive/2010/12/10/1902730.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/465185.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

使用ReflectionToStringBuilder实现toString方法

org.apache.commons.lang.builder.ReflectionToStringBuilder是commons-lang里的一个类。 import org.apache.commons.lang3.builder.ReflectionToStringBuilder; Overridepublic String toString() {return ReflectionToStringBuilder.toString(this); } 如果需要排除某些字段…

linux下I2C驱动发送IO时序,笔记四:linux下IO口模拟实现I2C协议

一、i2c总线是什么&#xff1f;1、i2c总线是一种物理总线及实实在在的总线&#xff0c;通过板子pcb等图能看到。2、i2c总线是一种主从结构。3、i2c总线是一种通信协议。4、i2c总线是两线制半双工串行总线&#xff1a;两线制&#xff1a;数据线(SDA)——>数据传输、时钟线(SC…

rails3异步发邮件

actionmailer 3.0 结合ar_mailer_rails3 异步发送邮件3 次投票jerry 分享于 3 个月 前, 0 条回复, 244 次浏览Share|actionmailer 3.0 的用法有所改进&#xff0c;并结合ar_mailer_rails3做异步邮件的发送&#xff0c;是比较方便的一种选择&#xff0c;把邮件都交给后台任务来发…

我见过的极品代码bug

程序员写代码有bug是很难避免的&#xff0c;也是因为程序员的bug存在&#xff0c;才让另一个职业有了更好的发展&#xff0c;那就是软件测试行业。但是程序员写bug&#xff0c;对于自己肯定是一件非常难忘的事情。我记得我在之前做一个TP固件升级的功能&#xff0c;也就是开机的…

Linux监控服务并主动重启

Linux查询后台进程&#xff0c;如果没有进程号&#xff0c;则重启服务&#xff1a; #!/bin/sh basepath$(cd dirname $0; pwd) while true doprocnumps -ef|grep "服务名称"|grep -v grep|wc -lif [ $procnum -eq 0 ]then#启动命令echo date %Y-%m-%d date %H:%M:%S …

c语言数组传递技术作用特点,C语言笔试题总结3

4. static有什么用途&#xff1f;(请至少说明两种)1.限制变量的作用域2.设置变量的存储域7. 引用与指针有什么区别&#xff1f;1) 引用必须被初始化&#xff0c;指针不必。2) 引用初始化以后不能被改变&#xff0c;指针可以改变所指的对象。2) 不存在指向空值的引用&…

双一流大学毕业的我,应该何去何从?

内卷时代&#xff0c;万物皆可卷&#xff01;什么是内卷&#xff0c;比如&#xff0c;你在电影院看电影&#xff0c;有一个人站起来了&#xff0c;那么就会有第二个人站起来&#xff0c;没一会儿所有的人就站起来了&#xff0c;但是和坐着相比&#xff0c;站着看电影体验感很差…

[Error]SyntaxError: unindent does not match any outer indentation level

刚开始学习Python 解析器用的IDLE&#xff0c;Python3.1&#xff0c;照着某个入门教程敲代码&#xff0c;敲到if的时候&#xff0c;总是出现这个错误 >>> if x<0:x0elif x0:SyntaxError: unindent does not match any outer indentation level 因为x0这行回车后&am…

go

我放弃Python转Go语言的9大理由&#xff08;附优秀书籍推荐&#xff09; https://www.jb51.net/article/126998.htm 转载于:https://www.cnblogs.com/charlieLeo/p/9512713.html

【原创】从 列表的重复 到 用sum展开二层嵌套列表将子元素合并

转载请注明出处&#xff1a;https://www.cnblogs.com/oceanicstar/p/9517159.html★像R语言里头有rep函数可以让向量的值重复&#xff0c;在python里面可以直接对列表用乘法让列表进行重复注&#xff1a;这里生成的重复列表是个新列表&#xff08;我们可以打印id查看一下&#…

c语言找出最大值和最小值并按降序排输出,大学一年级下学期C语言程序设计实验报告答案 完整版...

for(j7;j>i;j--)//将插入点以后的元素顺序往后移一位 a[j1]a[j];a[i]number;//插入数据 printf(\输出改变后的数组\\n\for(i0;i<8;i)//输出插入后仍有序的数组 printf(\ }(3)写一个3 x 5矩阵的转置程序&#xff0c;输出其原矩阵的值和转置以后的结果。提示&#xff1a;1)…

如何正确的使用微信公众号

我发现很多人可能不知道怎么在微信公众号里面查找自己想要的内容。所以制作了两个视频第一个是如何搜索文章&#xff0c;通过关键字搜索可以找到很多自己想要的内容还有通过微信公众号查找资料&#xff0c;这个是我最近刚增加的功能。~就这两件事~喜欢C/C语言或者正在学习C/C语…

shell替换程序里的代码

需求&#xff1a; 扩展名类型: .php .html .shtml .inc 将http://market.pk.com/files/union/ad_union_5.js替换为http://market.pk.com/files/union/union_5.jshttp://market.pk.com/files/advertisement/27/ad_27.js替换http://market.pk.com/files/upload/27/27.js http://m…

接上电就工作的单片机

对于手边的一盒STC单片机&#xff0c;测试一下它们使用相同的ISP方案在下载过程中是否都可以按照相同的方式完成程序的下载。同时对它们建立各自的元器件库&#xff0c;以便于后期的应用。通过这个实验&#xff0c;看到STC的单片机使用起来真实简捷明了&#xff0c;接上电就工作…

c语言编辑的库存管理软件,C语言课程设计,商品库存管理系统怎么做啊?

我教你。。#include#include#include#includeint count0;struct commodity{int id; /*商品编号*/int number; /*库存数量*/int price; /*单价*/char name[20]; /*商品名称*/char indate[9]; /*入库时间*/char deadline[9]; /*有效日期*/}a[100];void page_title(char *menu_ite…

Ogg入门--基本命令

1.切换到oracle用户&#xff0c;进入到goldengate的安装目录。 2.查看进程的运行状况&#xff1a; GGSCI (pxpaddb1) 1> info allProgram Status Group Lag at Chkpt Time Since ChkptMANAGER RUNNING EXTR…

华数联手海信升级互联网电视平台

据媒体报道&#xff0c;继百视通与康佳合作推出新的互联网电视平台之后&#xff0c;华数联手海信也升级了其互联网电视平台&#xff0c;以迎接即将到来十一黄金周期间的互联网电视大战。华数以数字电视和宽带接入起家&#xff0c;被业界誉为引领三网融合业务创新的黑马&#xf…

我的高中好友

很少写高中同学相关的文章&#xff0c;愿意是现在的生活上和原来的同学交集很少&#xff0c;他们的工作和我做的工作也有很大的差距。再一个是距离远&#xff0c;节假日不能互相走动。昨晚&#xff0c;我开直播。那时候是凌晨1点&#xff0c;然后我看到我一个高中的好朋友进了我…

类的初始化顺序详解

前言 先声明一个常识&#xff0c;类域和局部变量初始化的差异如下&#xff0c; 局部变量不初始化会报错&#xff1a; 类中属性(也称域)不赋初值&#xff0c;默认为0&#xff0c;如果是引用默认为空。 正题 一、类中属性按照定义的顺序初始化 我们声明一个Child类&#xff0c…

人体反应测试仪 c语言,人体反应速度测试仪毕业设计说明

1、.第一章 课题综述1.1 课题背景速度素质是指人体进行快速运动的能力&#xff0c;即在单位时间内迅速完成某一动作或通过某一距离的能力。反应速度是指人体对刺激发生反应的快慢。从生理机制分析&#xff0c;反应快慢取决于“反射弧”的五个环节&#xff1a;感受器传入神经神经…