求最长回文子串和最长重复子串.docVIP

求最长回文子串与最长重复子串。 长沙雅礼中学 何林 【介绍】 问题的提出： 问题1 最长回文子串 顺序和逆序读起来完全一样的串叫做回文串。比如acbca是回文串，而abc不是（abc的顺序为“abc”，逆序为“cba”，不相同）。 输入长度为n的串S，求它最长回文子串。 问题2 最长重复子串 如果一个串x在S中出现，并且xx也在S中出现，那么x就叫做S的重复子串。 输入长度为n的串S， 本文主要涉及“最长回文子串”和“最长重复子串”这两个经典的信息学问题。把他们放在一起讨论，是因为两者的解法具有惊人的类似性。 从算法的最优性上说，两者都存在线性时间复杂度的算法——使用后缀树。无庸置疑，后缀树已经成了优化字符串处理类问题的不二法门。但是它有两个致命缺点。 后缀树的时空复杂度和字符串涉及的字符集有直接关系。称后缀树是“线性数据结构”也是建立在字符集规模为常数的假设上。因此，所谓“线性算法”，准确的说，只是“伪线性”。 实践后缀树的编程复杂度极高。如果说上一点是后缀树在理论上的硬伤，那么这一点就是后缀树在实践上的致命弱点。对时间要求很高的信息学竞赛，是不允许选手花数个小时去编写一个长而容易出错的程序的。最重要的一点是，因为字符集比较大，后缀树的实际运行效果往往不佳，甚至很容易发生空间上的爆炸。 以上两个原因限制了后缀树在竞赛中的应用，虽然它在理论上的价值是不可取代的。 一种折衷的数据结构——后缀数组——可以很好的平衡后缀树的缺点。但是其编程复杂度也不低。要求任意两个串的最长公共前缀，或者用RMQ算法、或者用线段树，这两只“老虎”都不是好惹的——几百行的程序一稍不留神就可能满盘皆错。 本文重点介绍的是一个有别于“后缀”系列的全新的算法：分治+扩展的KMP算法。它时空复杂度低，编程十分简单，而且算法原理非常好理解。更重要的是其解题思想有很深的可挖掘性。 【扩展的KMP算法】 问题的提出： 扩展的KMP问题 给定母串S，和子串T。定义n=|S|, m=|T|，extend[i]=S[i..n]与T的最长公共前缀长度。 请在线性的时间复杂度内，求出所有的extend[1..n]。 容易发现，如果有某个位置i满足extend[i]=m，那么T就肯定在S中出现过，并且进一步知道出现首位置是i——而这正是经典的KMP问题。 因此可见“扩展的KMP问题”是对经典KMP问题的一个扩充和加难。 来看一个例子S=’aaaaaaaaaabaaa’, T=’aaaaaaaaaaa’。 extend[1]=10 这里为了计算extend[1]，我们进行了11次比较运算。 然后我们要算extend[2]： extend[2]=9。为了计算extend[2]，我们是不是也要进行10次比较运算呢？不然。 因为通过计算extend[1]=10，我们可以得到这样的信息：S[1..10]=T[1..10](S[2..10]=T[2..10]。 计算extend[2]的时候，实际上是S[2]开始匹配T。因为S[2..10]=T[2..10]，所以在匹配的开头阶段是“以T[2..10]为母串，T为子串”的匹配。 不妨设辅助函数next[i]表示T[i..m]与T的最长公共前缀长度。 对于这个例子，next[2]=10。也就是说： T[2..11]=T[1..10](T[2..10]=T[1..9](S[2..10]=T[1..9]。 这就是说前9位的比较是完全可以避免的！我们直接从S[11](T[10]开始比较。这时候一比较就发现失配，因此extend[2]=9。 以上的例子是有代表性。下面提出一般的算法。 设extend[1..k]已经算好，并且在以前的匹配过程中到达的最远位置是p。最远位置严格的说就是i+extend[i]-1的最大值，其中i=1,2,3,…,k；不妨设这个取最大值的i是a。(下图黄色表示已经求出来了extend的位置) 根据定义S[a..p]=T[1..p-a+1](S[k+1..p]=T[k-a+2..p-a+1]，令L=next[k-a+2]。有两种情况。 第一种情况k+Lp，如下图： 上面的红色部分是相等的。蓝色部分肯定不相等，否则就违反了“next[i]表示T[i..m]与T的最长公共前缀长度”的定义。（因为next[k-a+2]=L，如果蓝色部分相等的话，那么就有next[k-a+2]=L+1或者更大，矛盾）。 这时候我们无需任何比较就可以知道extend[k+1]=L。同时a, p的值都保持不变，k(k+1，继续上述过程。 第二种情况k+L=p。如下图： 上图的紫色部分是未知的。因为在计算extend[1..k]的时候，到达过的最远地方是p，所以p以后的位置从未被探访过，我们也就无从紫色部分是否相等。 这种情况下，就要从S[p+1](T[p-