后缀树入门.pptVIP

后缀树入门 感性认识后缀树 一棵后缀树包含了一个或者多个字符串的所有后缀。空字符串也算其中一个后缀。对于字符串banana，其所有后缀为：banana anana nana ana na a 空。通常为了更清楚地表示出后缀，我们在字符串末尾添加一个特殊字符作为结束标记，在这里我们使用$。因此banana的所有后缀就可以表示为： banana$ anana$ nana$ ana$ na$ a$ $ 感性认识后缀树 banana所对应的后缀树如下： Trie 为了更好地理解后缀树，我们先来看一种被称为Trie的数据结构。下图是一个典型的Trie： Trie的定义 Trie是一种搜索树，可用于存储并查找字符串。Trie的每一条边都对应一个字符。在Trie中查找字符串S时，只需依次枚举S的每个字符，同时从Trie的根节点开始选择相应的边往下走。如果枚举完的同时到达Trie的叶子节点，说明S存在于Trie中。如果未到达叶子节点或者枚举中途发现没有任何对应的边，说明S没有被包含在Trie中。 在Trie中查找字符串 查找TOSS的过程如下： 压缩后的Trie 我们可以对Trie进行压缩，对只有一个儿子的节点进行合并： 后缀树与Trie 事实上，后缀树就是一个压缩后的Trie，存储了字符串所有的后缀。 后缀树的应用1 查找一个字符串S是否包含了子串T 如果S包含T，那么T必定是S的某个后缀的前缀。因为S的后缀树包含了所有的后缀，因此只需对S的后缀树使用和Trie相同的查找方法即可。 后缀树的应用1 举例：在banana中查找an 后缀树的应用2 统计S中出现T的次数 每出现一次T，必定对应着一个不同的后缀，而这所有的后缀又都有着共同的前缀T。因此这些后缀在S的后缀树中必定属于某一棵子树。这棵子树的叶子数便等于T在S中出现的次数。 后缀树的应用2 举例：统计banana中出现an的次数 后缀树的应用3 找出S中最长的重复子串。所谓重复子串是指出现了两次以上的子串。 首先定义节点的“字符深度”=从后缀树根节点到每个节点所经过的字符串总长。找出有最大字符深度的非叶节点，则从根节点到该非叶节点所经过的字符串即为所求。 后缀树的应用3 举例：banana的最长重复子串为ana 后缀树的存储 为了节省不必要的空间浪费，我们不在边上存储字符串，而是存储该字符串在原串中的起止位置。空间复杂度O(n) 后缀树的构造 最简单的方法：使用类似于Trie的构造方法。此时算法复杂度为O(n^2) 后缀树的构造 后缀树可以用O(n)的算法构造出来，但是它们都十分复杂。我们这里介绍其中一种比较常见的。 后缀树的构造 基本思路：先往树中插入最长的后缀，即字符串本身。然后插入次长的后缀，再然后插入第三长的后缀，如此反复一直到空后缀被插入为止。这个过程也可以这样描述： 1、插入S本身 2、若上一个插入的后缀为S，令S=aw（这里a表示S的第一个字符，w表示S去掉a以后所得到的后缀）。往树中插入w。重复本操作直到S=$。 后缀树的构造 每次插入一个后缀，会产生一个新的叶节点，同时可能产生一个新的非叶节点。如下图，可能出现的是(a)-(b) (b)-(c)两种情况，但不可能出现(b)-(d)这种情况。 后缀树的构造 定义后缀连接（Suffix Link）=从节点A指向节点B的指针，B所表示的子串是A所表示的子串的最长后缀，即根节点到A所经过的字符串为S=aw，到B所经过的字符串为w。 后缀树的构造 该算法的关键在于在插入后缀的过程中，利用非叶节点的后缀连接实现快速插入，同时维护新插入的非叶节点的后缀连接。在插入的过程中，需要用到后缀树的子串快速定位。如果已知某个子串存在于后缀树中，那么我们可以对它进行快速定位。其思想是只匹配当前可选择的边的第一个字符。 后缀树的构造 举例：快速定位anan 后缀树的构造 算法所用符号描述 S=需要构造后缀树的字符串 Si=从第i个字符开始的后缀 N(Si)=Si在后缀树中对应的叶节点 P(Si)=N(Si)的父节点 G(Si)=P(Si)的父节点，即N(Si)的祖父 SL(p)=p的后缀连接所指向的节点 W(p, q)=从p到q所经过的字符串 root=后缀树的根节点 后缀树的构造 算法流程：定义SL(root)=root，首先插入S，此时后缀树中仅有两个节点。 设已经插入了Si，现要插入Si+1。分情况讨论： 1)P(Si)在插入Si之前已经存在。则P(Si)有后缀连接。令u=SL(P(Si))。从u开始沿着树往下查找，在合适的地方插入新的节点。 2)P(Si)是在插入Si的过程中产生的。此时G(Si)必定存在并有后缀连接。令u=SL(G(Si)，w=W(G(Si),P(Si))。从u开始，对w进行快速定位找到节点v（注意，v可能