冬令营讲稿_刘汝佳partI【信息技术】.pptVIP

2006全国信息学奥林匹克冬令营讲稿两个复杂的经典问题 NOI-SC 刘汝佳 目录 后缀树的线性时间构造 ——Trie, 后缀树, Ukkonen算法 一般图的最大权匹配 ——二分图匹配、线性规划、Gabow算法 为什么要学习这两个问题 加深对相关知识和方法的认识和理解: 字符串匹配、图论、线性规划 其中包含很多巧妙的思路, 很有启发性 学习复杂算法是一个挑战. 算法的背景、动机、出发点、步骤、正确性证明、复杂度分析、细节处理、程序实现等方面都需要仔细推敲 后缀树的线性时间构造 字符串的集合: Trie 从后缀Trie到后缀树 Ukkonen算法: 思想和简单实现 三阶段定理 完整的Ukkonen算法 字符串的集合: Trie 下图是{he, she, his, hers}的Trie Trie的构造和查找(1) Trie的构造 增量式: 每次插入一个串S 从根开始,依次检查S的每个字符, 沿着边走 如果串结束, 则标记当前结点为S的终点 如果走到叶子时串未结束, 给该叶子增加子树 Trie的构造和查找(2) “沿着走”需要定位每个结点的指定儿子 给叶子增加子树需要修改结点的儿子集合 在线串匹配问题 给一个庞大的文本串T，要求用尽量少的预处理时间，使得对于每个模板串P，可以在O(|P|)时间内判定P是否在T中出现 实际应用：文本数据库的建立和搜索 为什么预处理时间要尽量少？因为T非常大 为什么匹配时间要线性？因为询问可能非常多 KMP算法行么？当然不行！KMP的每次查询是O(|T|+|P|)的，而|T|可能非常大 在线串匹配问题 重点：需要对T进行预处理，使得匹配时不用重新检查T的每个字符 最简单的想法：把T的所有子串存在Trie里，则询问等价于在Trie中查询一个串 查询是O(|P|)的，但预处理… 子串是后缀的前缀 简单想法的失败之处在于：T的子串太多！ 一定要储存所有子串么？不是的！可以只储存T的后缀, 因为子串是后缀的前缀 后缀只有m个，比子串总数低一阶，但所有后缀组成的Trie能很好的支持串匹配么？答案是肯定的，因为… 后缀Trie查找举例 边标记和终结符$ 后缀Trie有很多局部链。其实对于查找来说完全可以把局部链合并成一个结点，这样既节省空间也缩短查找时间 规定叶子和后缀一一对应，但对于aaaaa... 后缀树的严格定义 串S[1…m]$的后缀树(suffix tree)是一棵有根树T，它有m个叶子，标记为1,2,…,m。除根之外每个内结点都至少有两个儿子，每条边上有S的一个非空子串，且同一结点出发的任两条边上标记的子串的第一个字母都不相同。若用L(v)表示从树根走到结点v时经过所有边的子串连接，则对于i=1,2,…,m，有 后缀树举例 问题：子串可能很长，空间占用大 后缀树举例 解决方法：边上只记录起止位置(i,j) 后缀树的构造 使用起止位置表示子串，则空间复杂度为O(m)，有希望在线性时间内构造出来 事实上，后缀树确实可以在线性时间内构造出来 Weiner 1973：太复杂，内存开销太大 McCreight 1976：仍然复杂 Ukkonen 1995：在线算法，内存更省 Ukkonen算法 Ukkonen算法是在线算法，即 一个字符一个字符的处理S 处理完S的前k个字符，得到S[1…k]的“后缀树” 注意：由于S[1…k]并不以$结尾，它可能并不存在后缀树，因此加上引号，称为隐式后缀树(implicit suffix tree)。S[1…k]的隐式后缀树记为Ti Ukkonen算法：从T1开始依次构造T2,T3,…,Tm,Tm+1，则Tm+1是真正的后缀树 后缀树的生长 Ukkonen每次从Ti构造Ti+1的过程称为一个阶段(phase)，则整个过程被形象的称为“生长过程” 举例：axa$的三个阶段 生长的三种情况 把Ti生长为Ti+1，就是要给S[1…i]的每个后缀S[j…i]增加字符S[i+1] 情况一：S[j…i]以叶子结尾，则直接在S[i+1]的标号后增加字符S[i+1]即可 情况二：S[j…i]在中间结束，且后一个字符不是S[i+1]，则在该处增加一个分支，连接到一个新叶子f。该边的编号为S[i+1]。如果结束点在一条边的中间，还需进行边分裂 情况三：S[j…i]在中间结束，且后一个字符就是S[i+1]，则什么都不用做 给axabx的隐式后缀树增加b 三阶段定理 刚才的演示暗含了三阶段定理：每次生长过程总是依次进行 1次或多次情况1扩展（增加） 0次或多次情况2扩展（分裂） 0次或多次情况3扩展（空操作） 两个有用的结论 一日为叶子，终生为叶子 在所有阶段中，情况2扩展总次数为O(|S|) 实现细节 后缀的末尾称为“生长点”，则每阶段是在依次扩展每个生长点 生长点可以在结点上，也可以在边的