后缀数组入门(一)——后缀排序
前言
后缀数组这个东西早就有所耳闻,但由于很难,学了好几遍都没学会。
最近花了挺长一段时间去研究了一下,总算是勉强学会了用倍增法来实现后缀排序(据说还有一种更快的\(DC3\)法,但是要难得多)。
数组定义
首先,为方便起见,我们用后缀\(_i\)表示从下标\(i\)开始的后缀。(相信大家都知道后缀是什么的)
首先,我们需要定义几个数组:
\(s\):需要进行后缀排序的字符串。
\(SA_i\):记录排名为\(i\)的后缀的位置。
\(rk_i\):记录后缀\(_i\)的排名。
\(pos_i\):同样记录排名为\(i\)的后缀的位置。
\(tot_i\):用于基数排序,统计\(i\)的排名。
要注意理解这些数组的定义,这样才能明白后面的内容。
第一次操作
首先,让我们来一步步模拟一下第一次操作。
我们第一步是要将每个后缀按照第\(1\)个字符进行排序。
这应该还是比较简单的,不难发现可以初始化得到\(rk_i=s_i,pos_i=i\)。
然后我们对其进行第一次排序。
注意,排序最好用\(O(n)\)的基数排序,用\(sort\)的话会多一个\(log\)。
具体的一些关于基数排序的细节可以见下。
关于基数排序
后缀排序中的基数排序,其实相当于将二元组\((rk_i,pos_i)\)进行排序。
首先,第一步自然是清空\(tot\)数组。
然后,从\(1\)到\(n\)枚举,将\(tot_{rk_i}\)加\(1\)。
接下来是一遍累加,求出每一个元素的排名。
然后从\(n\)到\(1\)倒序枚举,更新\(SA\)数组即可。
接下来的操作
接下来自然是要对每个后缀前\(2\)个字符进行排序了。
暴力的方法就是再重新排序一遍。
但实际上,在确定了第\(1\)个字符的大小关系后,我们就不需要如此麻烦了。
因为后缀\(_i\)的第\(2\)个字符,实际上就是后缀\(_{i+k}\)的第\(1\)个字符。
因此我们通过第一次排序,就可以直接确定第\(2\)个字符的大小关系了。
于是我们就可以重新用\(pos\)数组将这个大小关系记录下来,再次排序。
然后就是按照这种方法来倍增处理第\(4\)个字符、第\(8\)个字符、第\(16\)个字符... ...
重复此操作直至所有后缀各不相同即可。
这样的总复杂度就是\(O(nlogn)\)的了。
具体实现还是有很多细节的,实在没理解的可以根据代码再研究一下。
代码(板子题)
class Class_SuffixSort//后缀排序
{
private:
int n,SA[N+5],rk[N+5],pos[N+5],tot[N+5];
inline void RadixSort(int S)//基数排序,S表示字符集大小
{
register int i;
for(i=0;i<=S;++i) tot[i]=0;//清空数组
for(i=1;i<=n;++i) ++tot[rk[i]];//从1到n枚举,将tot[rk[i]]加1
for(i=1;i<=S;++i) tot[i]+=tot[i-1];//累加
for(i=n;i;--i) SA[tot[rk[pos[i]]]--]=pos[i];//倒序枚举,更新SA数组
}
public:
inline void Solve(char *s)
{
register int i,k,cnt=0,Size=122;//初始化字符集大小为122(即'z'的ASCII码)
for(n=strlen(s),i=1;i<=n;++i) rk[pos[i]=i]=s[i-1];//初始化rk数组和pos数组
for(RadixSort(Size),k=1;cnt<n;Size=cnt,k<<=1)//先是一遍基数排序,然后倍增枚举k,直至所有后缀各不相同
{
for(cnt=0,i=1;i<=k;++i) pos[++cnt]=n-k+i;//将长度小于等于k的后缀先加入数组中,此时的cnt相当于计数器
for(i=1;i<=n;++i) SA[i]>k&&(pos[++cnt]=SA[i]-k);//对于排名大于k的字符串,将其加入数组中
for(RadixSort(Size),i=1;i<=n;++i) pos[i]=rk[i];//基数排序一遍,然后将rk数组的值全部赋值给pos数组
for(rk[SA[1]]=cnt=1,i=2;i<=n;++i) rk[SA[i]]=(pos[SA[i-1]]^pos[SA[i]]||pos[SA[i-1]+k]^pos[SA[i]+k])?++cnt:cnt;//利用SA数组来得到rk,此时的cnt存储不同的字符串个数,从而得到排名
}
for(i=1;i<=n;++i) F.write(SA[i]),F.writec(' ');//输出答案
}
}S;