后缀数组（SA）倍增法总结

最新推荐文章于 2024-12-29 22:51:15 发布
原创 最新推荐文章于 2024-12-29 22:51:15 发布 · 651 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#字符串 #算法
本文详细介绍字符串后缀数组SA的构建方法及应用实例，包括暴力解法、二分+Hash优化解法以及SA算法，并通过具体例题展示如何利用SA解决实际问题。

前言

听老师讲之前听说是字符串，比较虚（因为一直认为这东西很抽象）。。听后才发现只要认真听还是不难的。。

引入

读入一个长度为 nnn 的由大小写英文字母或数字组成的字符串，请把这个字符串的所有非空后缀按字典序从小到大排序，然后按顺序输出后缀的第一个字符在原串中的位置。位置编号为 111 到 nnn。

思路

法一：暴力 O(n2log2(n))O(n^2log_2(n))O(n2log2​(n))。
法二：在 sortsortsort 中用二分+Hash，O(nlog2(n))O(nlog^2(n))O(nlog2(n))。
法三：SA。

正题

定义 sa[i]sa[i]sa[i] 为排名为 iii 的后缀的起始位置的下标。

试想一下，我们怎么判断两个字符串谁大谁小？我们可以从最小位比起，将字典序高的放在前面，若前面的这一位 < 后面的这一位，则调换两个串。

我们每次比第 kkk 个位，可以用这个规则不断更新 sa[i]sa[i]sa[i]：将第 kkk 位设为第一关键字，则现在已经比好了 kkk 位之后的。将所有的第 kkk 位放进一个桶里，用基数排序的思想将这些进行排序，若第 kkk 位相等则比较第二关键字。那没有第 kkk 位怎么办呢（也可以理解为缺少第二关键字），我们就看成第二关键字为空，时间为 O(n2)O(n^2)O(n2)。

这时需要用 倍增 的思想优化。我们不用一位一位地设为第一关键字比，而是 kkk 位 kkk 位地设为关键字，每次 k<<=1k<<=1k<<=1。将第一关键字放桶时，利用上一次算出来的 kkk 位后缀的大小关系，排好 2k2k2k 长度的后缀，就一直这样重复即可。

代码

注: Height[i]Height[i]Height[i] 为以 iii 开头的后缀与 排名为 k−1k-1k−1 的后缀最大公共前缀（kkk 为 iii 的排名）。其中有一个性质：Height[i]>=Height[i−1]−1Height[i] >= Height[i-1]-1Height[i]>=Height[i−1]−1。利用这个性质，就可以用 O(n)O(n)O(n) 的时间解决这个问题。

总时间复杂度：O(nlog2(n))O(nlog_2(n))O(nlog2​(n))。

#include <cstdio>
#include <algorithm>
#include <cmath>
#include <cstring>
#include <climits>
#include <iostream>
using namespace std;
const int MAXN = 3e5 + 5;
int n, c[MAXN], m = 200, hs[MAXN], sa[MAXN], tmp[MAXN], t[MAXN];
int Height[MAXN], mp[MAXN];
char s[MAXN];
//sa:当前排的顺序
//tmp:过渡序列
//hs:即 hash, 映射值
//c:统计个数 
void write(int x) {
	if(x < 0) x = -x, putchar('-');
    if(x <= 9) {
        putchar(x + '0');
        return;
    }
    write(x / 10); putchar(x % 10 + '0');
}
void Clac_SA() {
	for(int i = 1; i <= n; i ++) hs[i] = s[i], c[hs[i]] ++;
	for(int i = 1; i <= m; i ++) c[i] += c[i - 1];
	for(int i = n; i >= 1; i --) sa[c[hs[i]] --] = i; // 排好第一轮 
	for(int i = 1; i <= n; i <<= 1) {
		int num = 0;
		for(int j = n - i + 1; j <= n; j ++) tmp[++ num] = j;
		for(int j = 1; j <= n; j ++) if(sa[j] > i) tmp[++ num] = sa[j] - i;// 转换为新的序列 (以第二关键字排序)
		for(int j = 1; j <= m; j ++) c[j] = 0;
		for(int j = 1; j <= n; j ++) c[hs[j]] ++;
		for(int j = 2; j <= m; j ++) c[j] += c[j - 1];
		for(int j = n; j >= 1; j --) sa[c[hs[tmp[j]]] --] = tmp[j];//注意要倒序 
		for(int j = 1; j <= n; j ++) t[j] = hs[j];
		hs[sa[1]] = 1; num = 1;
		for(int j = 2; j <= n; j ++) hs[sa[j]] = hs[sa[j - 1]] + (!((t[sa[j]] == t[sa[j - 1]]) & (t[sa[j] + i] == t[sa[j - 1] + i])));
		num = hs[sa[n]];
		if(num == n) break; // 可加可不加
		m = num; 
	}
}
int Max(int x, int y) { return x > y ? x : y; }
void Clac_Height() {// 利用性质: H[i] >= H[i - 1] - 1 (注意 i 是下标，不是排名) 
	for(int i = 1; i <= n; i ++) mp[sa[i]] = i; // sa[i] ~ n 的排名是 i  
	//sa:排名是 i 的为 sa[i] ~ n 
	for(int i = 1; i <= n; i ++) {
		if(mp[i] == 1) {
			Height[i] = 0; continue;
		}
		Height[i] = Max(0, Height[i - 1] - 1);
		while(i + Height[i] <= n && sa[mp[i] - 1] + Height[i] <= n && s[i + Height[i]] == s[sa[mp[i] - 1] + Height[i]]) Height[i] ++;
	}
}
int main() {
	scanf("%s", s + 1); n = strlen(s + 1);
	Clac_SA(); Clac_Height();
	for(int i = 1; i <= n; i ++) write(sa[i] - 1), putchar(' ');
	putchar('\n');
	for(int i = 1; i <= n; i ++) write(Height[sa[i]]), putchar(' ');
	return 0;
}

例题

Long Long Message
题意

DM星人的基因种碱基有26种，即26个小写字母。
现在已知两个DM星人的基因序列，求你输出这两个DM星人的最长公共基因。
公共基因表示从两个基因序列的某个位置开始有一段完全相同的连续基因序列。

思路

将一个串接在另一个串的后面，跑SA，求出Height。ans=Max{Height[i]}ans = Max\{Height[i]\}ans=Max{Height[i]}（ififif i−1i-1i−1 与 iii不在一个串中）。为什么这样是对的呢？这里有一个贪心：字典序排序后的字符串，他们的最优解就在相邻的两个串之间。

代码
#include <cstdio>
#include <algorithm>
#include <cmath>
#include <cstring>
#include <climits>
#include <iostream>
using namespace std;
const int MAXN = 1e6 + 5;
int n, c[MAXN], m = 200, hs[MAXN], sa[MAXN], tmp[MAXN], t[MAXN];
int Height[MAXN], mp[MAXN];
char s[MAXN], s2[MAXN];
//sa:当前排的顺序
//tmp:过渡序列
//hs:即 hash, 映射值
//c:统计个数 
void write(int x) {
	if(x < 0) x = -x, putchar('-');
    if(x <= 9) {
        putchar(x + '0');
        return;
    }
    write(x / 10); putchar(x % 10 + '0');
}
void Clac_SA() {
	memset(c, 0, sizeof(c));
	for(int i = 1; i <= n; i ++) hs[i] = s[i], c[hs[i]] ++;
	for(int i = 1; i <= m; i ++) c[i] += c[i - 1];
	for(int i = n; i >= 1; i --) sa[c[hs[i]] --] = i; // 排好第一轮 
	for(int i = 1; i <= n; i <<= 1) {
		int num = 0;
		for(int j = n - i + 1; j <= n; j ++) tmp[++ num] = j;
		for(int j = 1; j <= n; j ++) if(sa[j] > i) tmp[++ num] = sa[j] - i;// 转换为新的序列 (以第二关键字排序)
		for(int j = 1; j <= m; j ++) c[j] = 0;
		for(int j = 1; j <= n; j ++) c[hs[j]] ++;
		for(int j = 2; j <= m; j ++) c[j] += c[j - 1];
		for(int j = n; j >= 1; j --) sa[c[hs[tmp[j]]] --] = tmp[j];//注意要倒序 
		for(int j = 1; j <= n; j ++) t[j] = hs[j];
		hs[sa[1]] = 1; num = 1;
		for(int j = 2; j <= n; j ++) hs[sa[j]] = hs[sa[j - 1]] + (!((t[sa[j]] == t[sa[j - 1]]) & (t[sa[j] + i] == t[sa[j - 1] + i])));
		num = hs[sa[n]];
		if(num == n) break; // 可加可不加
		m = num; 
	}
}
int Max(int x, int y) { return x > y ? x : y; }
void Clac_Height() {// 利用性质: H[i] >= H[i - 1] - 1 (注意 i 是下标，不是排名) 
	for(int i = 1; i <= n; i ++) mp[sa[i]] = i; // sa[i] ~ n 的排名是 i  
	//sa:排名是 i 的为 sa[i] ~ n 
	for(int i = 1; i <= n; i ++) {
		if(mp[i] == 1) {
			Height[i] = 0; continue;
		}
		Height[i] = Max(0, Height[i - 1] - 1);
		while(i + Height[i] <= n && sa[mp[i] - 1] + Height[i] <= n && s[i + Height[i]] == s[sa[mp[i] - 1] + Height[i]]) Height[i] ++;
	}
}
int main() {
	scanf("%s%s", s + 1, s2 + 1);
	n = strlen(s + 1);
	int len = strlen(s2 + 1);
	s[n + 1] = '#'; n ++;
	for(int i = 1; i <= len; i ++) s[i + n] = s2[i]; n += len;
	Clac_SA(); Clac_Height();
	int ans = 0;
	for(int i = 2; i <= n; i ++) {
		if((long long)(sa[i - 1] - (n - len)) * (sa[i] - (n - len)) < 0) ans = max(ans, Height[sa[i]]);// 贪心 （注意会爆int）
	}
	printf("%d\n", ans);
	return 0;
}
[JSOI2007]字符加密
题面

喜欢钻研问题的JS 同学，最近又迷上了对加密方法的思考。一天，他突然想出了一种他认为是终极的加密办法：把需要加密的信息排成一圈，显然，它们有很多种不同的读法。

例如‘JSOI07’，可以读作： JSOI07 SOI07J OI07JS I07JSO 07JSOI 7JSOI0 把它们按照字符串的大小排序： 07JSOI 7JSOI0 I07JSO JSOI07 OI07JS SOI07J 读出最后一列字符：I0O7SJ，就是加密后的字符串（其实这个加密手段实在很容易破解，鉴于这是突然想出来的，那就^^）。 但是，如果想加密的字符串实在太长，你能写一个程序完成这个任务吗？

思路

版题。注意必须把这个字符串扩展一倍（因为是环），不然会被 zaba 这样的数据卡掉。

代码
#include <cstdio>
#include <algorithm>
#include <cmath>
#include <cstring>
#include <climits>
#include <iostream>
using namespace std;
const int MAXN = 2e5 + 5;
int n, c[MAXN], m = 200, hs[MAXN], sa[MAXN], tmp[MAXN], t[MAXN];
int Height[MAXN], mp[MAXN];
char s[MAXN], s2[MAXN];
//sa:当前排的顺序
//tmp:过渡序列
//hs:即 hash, 映射值
//c:统计个数 
void write(int x) {
	if(x < 0) x = -x, putchar('-');
    if(x <= 9) {
        putchar(x + '0');
        return;
    }
    write(x / 10); putchar(x % 10 + '0');
}
void Clac_SA() {
	memset(c, 0, sizeof(c));
	for(int i = 1; i <= n; i ++) hs[i] = s[i], c[hs[i]] ++;
	for(int i = 1; i <= m; i ++) c[i] += c[i - 1];
	for(int i = n; i >= 1; i --) sa[c[hs[i]] --] = i; // 排好第一轮 
	for(int i = 1; i <= n; i <<= 1) {
		int num = 0;
		for(int j = n - i + 1; j <= n; j ++) tmp[++ num] = j;
		for(int j = 1; j <= n; j ++) if(sa[j] > i) tmp[++ num] = sa[j] - i;// 转换为新的序列 (以第二关键字排序)
		for(int j = 1; j <= m; j ++) c[j] = 0;
		for(int j = 1; j <= n; j ++) c[hs[j]] ++;
		for(int j = 2; j <= m; j ++) c[j] += c[j - 1];
		for(int j = n; j >= 1; j --) sa[c[hs[tmp[j]]] --] = tmp[j];//注意要倒序 
		for(int j = 1; j <= n; j ++) t[j] = hs[j];
		hs[sa[1]] = 1; num = 1;
		for(int j = 2; j <= n; j ++) hs[sa[j]] = hs[sa[j - 1]] + (!((t[sa[j]] == t[sa[j - 1]]) & (t[sa[j] + i] == t[sa[j - 1] + i])));
		num = hs[sa[n]];
		if(num == n) break; // 可加可不加
		m = num; 
	}
}
int Max(int x, int y) { return x > y ? x : y; }
void Clac_Height() {// 利用性质: H[i] >= H[i - 1] - 1 (注意 i 是下标，不是排名) 
	for(int i = 1; i <= n; i ++) mp[sa[i]] = i; // sa[i] ~ n 的排名是 i  
	//sa:排名是 i 的为 sa[i] ~ n 
	for(int i = 1; i <= n; i ++) {
		if(mp[i] == 1) {
			Height[i] = 0; continue;
		}
		Height[i] = Max(0, Height[i - 1] - 1);
		while(i + Height[i] <= n && sa[mp[i] - 1] + Height[i] <= n && s[i + Height[i]] == s[sa[mp[i] - 1] + Height[i]]) Height[i] ++;
	}
}
int main() {
	scanf("%s", s + 1);
	n = strlen(s + 1);
	for(int i = n + 1; i <= (n << 1); i ++) s[i] = s[i - n]; n <<= 1;
	Clac_SA(); Clac_Height();
	for(int i = 1; i <= n; i ++) {
		if(sa[i] <= n / 2) printf("%c", s[sa[i] + n / 2 - 1]);
	}
	return 0;
}
nKessi
关注
后缀数组倍增算法实现
09-02
后缀数组倍增算法实现 + RMQ问题ST算法实现
后缀数组代码理解加注释
liuzhan214的博客
10-05 988
一段三四十行的代码却看了一个下午，仿佛又回到了刚学C语言的时候，终于看懂了，写下注释，晚上写题。 后缀数组是用来在线处理模式串匹配问题的算法，比如有一个文本串aabaaaab,我们求出一个sa数组，sa[i] = x表示第该文本串中第i小的后缀串的头字母是x，sa[0] = 3(aaaab),sa[1] = 4(aaab),sa[2] = 5(aab),sa[7]=2(baaaab),暴力处理后缀
字符串 （5）--- 后缀数组（倍增思想求解）
cai0612123的专栏
01-02 1094
后缀数组
后缀数组（Suffix Array）的高效计算方法 —— 倍增法
最新发布
m0_57836225的博客
12-29 1159
本文将深入探讨后缀数组的一种高效计算方法 —— 倍增法。后缀数组在字符串处理领域具有重要地位，掌握其高效计算方法对于解决众多字符串相关问题至关重要。我们将详细介绍倍增法的原理、实现步骤，并通过示例代码加深理解，同时分析其时间复杂度和空间复杂度，展现其在实际应用中的优势。
关于后缀数组的倍增算法和height数组
weixin_30576859的博客
12-12 106
自己看着大牛的论文学了一下后缀数组，看了好久好久，想了好久好久才懂了一点点皮毛TAT 然后就去刷传说中的后缀数组神题，poj3693是进化版的，需要那个相同情况下字典序最小，搞这个搞了超久的说。 先简单说一下后缀数组。首先有几个重要的数组： ·SA数组（后缀数组）：保存所有后缀排序后从小到大的序列。[即SA[i]...
彻底弄懂后缀数组
weixin_30790841的博客
03-26 691
什么叫后缀数组 首先要知道什么叫后缀 ？ 比如 字符串 abcdef 那么 abcdef bcdef cdef def ef f 就叫做后缀 也就是从最后一个字母之前的一个字母开始一直到最后一个字母（所以所 bcd不是后缀 因为没有到最后一位f） 所构成的字符串就叫做后缀 至于后缀数组能干什么？我在这就不介绍了 这不是本文的重点！...
SA(后缀数组)——倍增法模板
Cold_Chair的博客
03-17 1193
倍增法原理：一步一步把n个后缀按照它们的前 2 ^ k 的字符排序。
用倍增法构造后缀数组中的SA及RANK数组
weixin_30500105的博客
07-11 144
感觉后缀数组很难学的说= =不过总算是啃下来了 首先 我们需要理解一下倍增法构造的原理 设原串的长度为n 对于每个子串 我们将它用'\0'补成长度为2^k的串(2^k-1<n<=2^k) 比如串aba的子串就有 aba'\0' ba'\0''\0' a'\0''\0''\0' 每次操作我们可以排出所有长度为 2^x的子串的大小 比如串aba的排序过程 第一遍 a ...
倍增法求后缀数组
mpzleon的博客
07-14 518
前言SA是一种很好处理字符串的工具。 举个栗子很快可以明白 假设我们要处理“aabbabb”这个字符串,最终将得到： 字符串 a a b b a b b rank 1 3 7 5 2 6 4 sa 1 5 2 7 4 6 3 一些关键数组：- sa[i]：排名第i名的后缀子串在什么位置。-
SA（后缀数组）学习报告
eliyou的博客
01-20 502
字符串是最直观的，然而真正的字符串算法同阶段而言没一个好理解的。 ——学SA第一夜有感 SA学习报告SA的简单介绍和应用一.简单且清晰地理解SA求后缀数组求高度数组二.SA的应用SA,LCP与LCS自身的应用结合数据结构应用 SA的简单介绍和应用 SA的大部分学习内容都是来源于OI Wiki，尽管理解的内容会比专业叙述更易于理解一些，然而还是OI Wiki讲的详细和科学。因此贴一个原链接：后缀数组简介 - OI Wiki 一.简单且清晰地理解SA 这个学习报告的最重要且是唯一的意义，在于让我迅速记.
后缀数组的倍增算法
anzhi7214的博客
09-05 198
一、基数排序。 题目描述：给你n个字符串，把它们排序。 n<=100000 （不要用sort水过，除非你在NOI的考场上） 1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 #include<string> 5 #include...
后缀数组（倍增）学习记录，我尽可能详细的讲了
PatchouKnowledge的博客
04-08 513
我觉的我尽可能详细的来讲解后缀数组了，我尽力了~ 还有就是还有点内容可能之后会补，今天是实在写不动了。
后缀数组之倍增算法
Sunshine_cfbsl
08-12 2686
后缀数组是后缀树的替代品。它不仅时间效率高，而且代码比较简单，不易写错。 后缀数组可以查询模板串P[0...m−1]P[0...m-1]，是否为文本串s[0...n−1]s[0...n-1]的子串，并在n很大，查询次数多时效率很高。 我们定义： 后缀k：后缀s[k…n-1] k前缀：对于字符串u，u的前k个字符组成的字符串（k过大即为整个u） 后缀数组（sa[i]）：对所有后缀排序之后排名第i（
后缀数组 倍增法详解
weixin_34309543的博客
07-22 470
算法思路 主要是基于基数排序，如果基数排序没弄懂代码就会很难理解： 首先从k=0开始，从后缀数组里面选取步长为2^k的后缀数组的前子串 然后进行基数排序 如果排序后所有的名次数组的值都不相同，那么排序结束； 否则，k++（也就是步长翻倍），继续排序。 几个概念 数组sa(sorted array)：构造完成前表示关键字数组，下标表示名次，值表示关键字的首字符位置，值相同的时候名次根据在原串中相...
后缀数组倍增法
reverie_mjp的博客
04-17 2520
那夜风，宫灯昏暗，小楼听雨灯辉摇梦
3127：练21.4 体质指数BMI（C、C++、python）
青少年趣味编程
08-19 1243
3127：练21.4 体质指数BMI（C、C++、python）
【算法笔记】图文结合彻底搞懂后缀数组
Cassie_zkq的博客
08-04 850
目录 1.后缀数组sa[]的求法O(nlogn) 2.rank数组的求法O(n) 3.height数组的求法O(n+) 可以先看文章末的参考博客！！ 字符串：aabaaaab，读入时下标从0开始 三个基本数组： （1）sa[i]=j：第i名的后缀是[j,n)（i从1开始，j从0开始） （2）rankk[i]=j：[i,n)的后缀排第j名（i从0开始，j从1开始） （3）he...
倍增算法的另一种解法
俊哥有个Blog
01-08 4565
网上一搜索倍增算法，基本就是罗穗骞同学的介绍。这同学高中时期就研究这么深入，让我这研究生毕业的人汗颜，慢慢爬坑吧。不过说实在的，这代码写的实在看着有点费劲。网上又有人整理了下。不过我看的还是一头雾水，希望有明白人能说明一下。要想了解倍增算法，最好先对RMQ和基数排序算法有一定了解，还要了解一下后缀数组。下面把代码贴过来。 例子图如下： 但是代码的实现和这个图出入很大，不好理解。
后缀数组(SA)最通俗易懂的学习笔记
2301_79974919的博客
07-24 2135
循环内先对sa进行第二关键字的排序，w同时也是第二关键字相对第一关键字的距离，若原后缀为后缀i，那么其第二关键字就是rk中i+w的位置，此处使用id数组先复制了原来的sa数组，故id[i]+w就相当于每个后缀的第二关键字。那么该前缀和数组中，就记录着从小到大的元素对应的下标所对应的第一次出现的元素的排名，重新遍历原集合中的每一个元素，其在前缀和数组中对应的下标所对应的值就是该元素的排名，排名后需要将前缀和数组中该值减1，若再次出现值相同的另一个元素则赋予它不同的排名以区分相同值的元素。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值