后缀树构造算法理论分析.docVIP

后缀树构造算法理论分析 　　摘要：后缀树的结构简单，但可以在线性的时间里解决许多复杂的问题，被大量的使用在字符串及树的模式匹配中。 　　关键词：后缀树；线性数组；PWOTD算法 　　中图分类号：TP311.12 文献标识码：A文章编号：1007-9599 (2011)05-0000-01 　　Theoretical Analysis of Suffix Tree Construction Algorithm 　　Li Jia1,Ding Lingmei2 　　(1.Puyang Vocational and Technical College,Puyang457001,China;2.Puyang Zi Lu Primary School,Puyang457001,China) 　　Abstract:The structure of suffix tree is simple,but it can solve many complex problems in linear time which have been widely used in the string and tree pattern matching. 　　Keywords:Suffix tree;Linear array;PWOTD algorithm 　　后缀树的结构简单，但可以在线性的时间里解决许多复杂的问题，被大量的使用在字符串及树的模式匹配中。尽管后缀树构造技术在现阶段没有被大范围的采用，构造后缀树的算法仍有着很悠久的历史。先前已经有许多科研人员的研究关注在了线性时间的后缀树构造算法上。这些算法都可以很好的适合那些小型数据的输入。 　　后缀树由一个线性数组表示，就像wotdeager算法里描述的一样。这个表达方法很紧凑，大约每个指针记号平均占8.5个字节。下图阐述了字符串ATTAGTACA$的后缀树以及这个后缀树相应的在内存中的数组表示。数组中的阴影入口表示叶子节点，其他所有的入口表示非叶子节点。入口右下角的R表示一个最右边的孩子。一个有分支的节点被两个整型数来表示。第一个是一个指向输入字符串的指针；指针的字符是输入的边缘标志的起始字符。标签的长度可以通过检查当前节点的孩子来减少。第二个入口指向第一个孩子。注意，叶子节点没有第二个入口。叶子节点只需要一个指向标志的启示指针；这个标志的末端是字符串的终结符。 　　 　　PWOTD算法包括两个阶段：第一阶段，扫描整个字符序列，并且基于每个后缀的第一个前缀字符将后缀进行划分。第二阶段，对每一个划分执行以下命令：1.开始进行后缀树的构造；2.载入当前划分的后缀；3.用temp将这些后缀按第一个字母进行排序；4.输出分支和叶子节点到树；5.将指向未赋值范围的节点压入栈；6.弹出一个节点；7.通过检查整个字符序列，找到这个范围内所有后缀的最长公共前缀；8.用temp将这些后缀按第一个字母进行排序；9.写出分支和叶子节点到树；10.将指向未赋值范围的节点压入栈。 　　在第一阶段，我们将输入的字符串的后缀划分成|A|前缀划分，|A|是字符串的字典大小，前缀是划分的深度。划分的步骤按照如下执行：输入的字符串被从左至右进行扫描，在每一个指针位置i处，前缀后面的字符被用来决定|A|前缀的一个划分。他和个指针i然后被写入已经计算好的划分缓冲内。在扫描的最后阶段，每一个划分都会包含后缀中所有拥有相同前缀大小的前缀的后缀指针。为了更进一步的分析这个划分的步骤，考虑一下以下这个例子。将ATTAGTACA$这个字符串用一个1的前缀进行划分，会产生四个划分的后缀，每个符号的划分都存在于字典中。（我们忽略了最终的划分，那个被用来当作字符串终结符的符号$。）以A为划分的后缀划分为{0，3，6，8}，表示{ATTAGTACA$，AGTACA$，ACA$，A$}的后缀。以T为划分的后缀划分为{1，2，5}，表示{TTAGTACA$，TAGTACA$，TACA$}的后缀。 　　在第二阶段，我们用wotdeager算法来通过一个自顶向下的构建对每个划分建立后缀树。PWOTD算法的伪代码在表2中，尽管第一阶段的划分足够简单，第二阶段的wotdeager算法却需要引起我们足够的注意和更深入的讨论。现在我们用一个上述图为例来分析wotdeager算法。 　　PWOTD算法需要四种数据结构用来建立后缀树：一个输入字符串数组，一个后缀数组，一个临时数组，还有一个后缀树。在我们接下来的讨论中，我们将这些结构分别称为字符串、数组、临时和树。后缀数组首先被从一个被丢弃了第一个前缀字符的划分的后缀载入。以之前的相同的字符ATTAGTACA$串为例，考虑以T为划分的后缀数组的构造。这个划分的后缀分别位于位置1，2和5。当这些后缀共享着相同