高级数据结构之四(后缀树、后缀数组)教材.pdfVIP

高级数据结构之四 ——后缀数组、后缀树 张铭 张路 小组讨论 • 1. 最长公共子串 – 给定两个字符串A和B，求最长公共子串。 – 例如：字符串 “aaaba”和 “abaa”的最长公 共子串为 “aba” 一些定义 • 子串：字符串S 的子串S[i..j] ,i ≤ j,表示S 串中从i 到j 这一段，就是顺次排列s[i],s[i+1],...,s[j] 形成 的字符串. – 当i超过字符串的长度，可以认为s[i] = -oo 。 • 后缀：指从某个位置i开始到整个串结束的一个 特殊子串。字符串S 的从i个字符开始的后缀记为 Suffix(i) 。 – 显然，Suffix(i) = S[i..len(S)]，记为S(i) • 字符串的大小比较：例如串S与串T ，从小到大 枚举i，如果s[i] t [i] = S T, 如果s[i] t[i] = S T 。两个串完全匹配则S== T 例1 最长公共子串 • 如果字符串L同时出现在字符串A和字符 串B中，则称字符串L是字符串A和字符串 B的公共子串。 • 给定两个字符串A和B，求最长公共子串。 • 例如：字符串 “aaaba”和 “abaa”的最 长公共子串为 “aba” 解法 • 暴力匹配：枚举串A下标i，串B下标j ， – 对A[i..lenA],B[j..lenB] 进行匹配 • O(|A|*|B|*min(|A|,|B|)) • 完全没有利用字符串的性质 解法 • 使用KMP算法，每次将A[i..lenA]当做模式串， 把B当做主串，进行一次KMP算法。 • 相当于拿A 的后缀与B前缀进行匹配。 • 利用了A 的任意一个子串都是A某一个后缀 的前缀，B的任意一个子串都是B某一个前 缀的后缀 • O(|A|*|B|) • 使用了串A 的一些性质，但利用不够，效率 仍然低下 后缀数组 • 其实公共子串就是两个后缀的公共前缀 • 字符串 “aaabac”和 “abaa”的最长公 共子串为 “aba” • 就是abac 与 abaa 的最长公共前缀。 • 我们把所有后缀提取出来，一一进行最 长公共前缀匹配 • 效率依旧低下 一个简化地问题 • 如果给n个已经排好序的字符串，如何求解 任意两个的公共最长前缀 • 如果对任意两个串都求LCP显然不科学 • 我们尝试只求相邻的两个串的LCP 主串 a a b c a a a c 后缀串 a a a c 2 a a b c a a a c 2 a a c 1 a b c a a a c 1 a c 0 b c a a a c 0 c 1 c a a a c 串S[i] 与串S[j]的公共最长前缀LCP(S[i],S[j])为 min{LCP(S[k],S[k+1]),i=kj} 性质 • 对于一个排好序的字符串数组S •