后缀数组及其应用.ppt

后缀数组及其应用;本文探讨内容： 1、后缀树组的概念及构造方法； 2、后缀树组的相关应用；;有关后缀树（Suffix Tree ）： 提到后缀数组，我们不由自主地会想到后缀树。后缀树（Suffix tree）是一种数据结构，能快速解决很多关于字符串的问题。后缀树的概念最早由Weiner 于1973年提出，既而由McCreight 在1976年和Ukkonen在1992年和1995年加以改进完善。;S=“BANANAS”。; 后缀树在处理字符串问题上有着得天独厚的空间优势和速度优势，在最坏情况下, 后缀树的节点数也不会超过2N。主流的构造方法是由Esko Ukkonen 于1995年发明的一种线性构造法，理论时间复杂度为O(N)。非常优秀。;*后缀数组 （Suffix Arrary）;两个重要元素;后缀数组的构造方法：;;倍增算法(Double Algorithm);当前求2k-rank[],2k-sa[]。; 通过上面的例子，通过k-rank[]可以在O(1)的时间内完成suffix(i)和suffix(j)的比较。这样就充分利用了后缀之间有机的联系。 具体实现当然不是枚举每两个串进行比较。进一步想想，这样比较不就是将每个后缀看作一个元素，k-rank[i]作为第一关键字，k-rank[i+k]作为第二关键字进行排序吗？;基数排序（Radix Sort）;接着将筒中的数依次倒出，得到： 81, 22, 73, 93, 43, 14, 55, 65, 28, 39 ; 现在只需求出1-rank[]和1-sa[]就可以每次通过O(n)的排序转移。至于求1-rank[]与1-sa[]，把原串中的字符排序即可，快排或基数排序都可以，均不影响算法的时间复杂度。但是建议使用基数排序。;倍增算法——思想总结;最长公共子串问题： 给定两个字符串S1[],S2[]。求出他们的最长公共子串。例如： s1=“she handsome”,s2=“he slim”。则输出字符串”he”。(N=10^5);在此，我向大家介绍后缀数组的强力外援 ——LCP（Longest Common Prefix）;关于RMQ问题(Range Minimum Query) 线段树等高级数据结构维护，O(nlogn)构造，O(logn)查询，ST算法O(nlogn)构造，O(1)的查询。RMQ标准算法O(n)构造，0(1)查询。;Height[]数组及其高效计算;证明：h[i]=h[i-1]-1 证： 首先，明确一个基本事实：对于任意的i=jk，有LCP(j,k)LCP(i,k)。直观上理解相对于同一个后缀，与他排得越近的后缀的最长公共前缀一定更长。 1、若h[i-1]=1,则h[i]=0=h[i-1]-1显然成立。 2、若h[i-1]1. 带入定义式，即height[rank[i-1]]1,又因为height[0]=0,所以rank[i-1]1。 为了简单起见,令j=i-1,k=sa[rank[i-1]-1]。则suffix(k)suffix(j)。 因为h[i-1]1，所以LCP(rank[k+1],rank[i])=h[i-1]-1. 又rank[k+1]rank[i],所以rank[i]-1=rank[k+1]. 利用开头那个引理, h[i]=LCP(rank[i]-1,rank[i]) =LCP(rank[k+1],rank[i])=h[i-1]-1. 综上，有h[i]=h[i-1]-1。 ; 有了这个性质，我们就可以根据h[1],h[2],…..,h[n]顺序先计算出h[i]。再根据height[i]=h[sa[i]]计算出height[]数组。; 现在，我们可以很好的解决刚才的最长公共子串问题了，构造好后缀数组后，答案就是height[i]中的最大值。当然，要注意判断公共子串不能跨过‘$’。 时间复杂度O(nlogn)。;正解：; 算法已经很明显了，首先将原串反转接到原串后，中间用’$’隔开，最后也加上一个’0’。计算出该字符串的后缀数组，再枚举中心i，那么向两边拓展的最大长度为LCP(rank[i],rank[n-i+1])。直接计算出回文串长度，从中取个最大值即可。（注意奇回文串与偶回文串的不同处理）。;问题;课堂小结