学习了后缀数组,顺便把DC3算法也看了一下,传说中可以O(n)复杂度求出文本串的height,先比较一下倍增算法和DC3算法好辣。
DC3 倍增法
时间复杂度 O(n)(但是常数很大) O(nlogn)(常数较小)
空间复杂度 O(n) O(n)
编程复杂度 较高 较低
由于在时间复杂度上DC3的常数比较大,再加上编程复杂度比较高,所以在解决问题的时候并不是最优选择。但是学到了后缀数组还是补充一下的好点。
DC3算法的实现:
1:先把文本串的后缀串分成两部分,第一部分是后缀串i mod 3 == 0, 第二部分是i mod 3 != 0,然后先用基数排序对第二部分后缀串排序(按照前三个字符进行排序)。
int *san = sa+n, *rn = r+n, ta=, tb=(n+)/, tbc=, i, j, p;
//ta i mod 3==0的个数,tb i mod 3==1的个数, tbc imod3!=0的个数
for (i=; i<n; i++)
if (i % )
x[tbc ++] = i; r[n] = r[n+] = ;//在文本串后面添加两个0,便于处理
Sort (r+, x, y, tbc, m);
Sort (r+, y, x, tbc, m);
Sort (r, x, y, tbc, m);
然后把suffix[1]与suffix[2]数组连起来,每三个相邻的字符看做一个数,变成这个样子:
操作代码如下:
rn[F(y[])] = ;
for (i=, p=; i<tbc; i++)
rn[F(y[i])] = c0(r, y[i-], y[i])?p-:p++;
//#define F(x) x/3+(x%3==1?0:tb)
//F(x) 求原字符串suffix(i)在新串中的位置
如果p>=tbc的话,也就是说只排列前三个字符就可以区分出第二部分后缀串的顺序了,否则就要进行递归继续对第二部分的串进行排序。
if (p < tbc)
DC3 (rn, san, tbc, p);
else
for (i=; i<tbc; i++)
san[rn[i]] = i;
2:对第一部分后缀来说:
suffix[3*i] = r[3*i] + suffix[3*i+1];
suffix[3*j] = r[3*j] + suffix[3*j+1]; 我们已知i mod 3 == 1 的所有suffix[i]的顺序了,可以利用基数排序很快的求出第一部分后缀的顺序。
for (i=; i<tbc; i++)
if (san[i] < tb)
y[ta++] = san[i]*;
if (n% == )
//对于n%3==1时,不存在suffix[n-1] == r[n] + suffix[n];
y[ta++] = n - ;
Sort (r, y, x, ta, m);//对mod3==0的后缀串排序
3:第一部分后缀数组和第二部分后缀数组都排好序以后,可以对两部分后缀数组进行一次简单的归并排序,然后sa数组就完美呈现了。
//#define G(x) x>=tb?(x-tb)*3+2:x*3+1
//新文本串中suffix(i)在原文本串中的位置
for (i=; i<tbc; i++)
c[y[i] = G(san[i])] = i;
for (i=, j=, p=; i<ta&&j<tbc; p++)
sa[p] = c12 (y[j]%, r, y[j], x[i])?y[j++]:x[i++];
for (; j<tbc; j++)
sa[p++] = y[j];
for (; i<ta; i++)
sa[p++] = x[i];
c12就是比较第一部分与第二部分串的大小:
suffix [3*i] = r[3*i] + suffix[3*i+1];
suffix [3*j+1] = r[3*j+1] + suffix[3*j+2]; 已知suffix[3*i+1]与suffix[3*i+2]所对应的大小关系,可以比较r[3*i]与r[3*j+1]的大小得出最终结果。
suffix [3*i] = r[3*i] + suffix[3*i+1];
suffix [3*j+2] = r[3*j+2] + suffix[3*(j+1)]; 这个我们可以先比较 r[3*i] 与 r[3*j+2] 的大小,然后再比较 suffix[3*i+1] 与 suffix[3*(j+1)] ,这样就把问题转化为了第一种情况咯。
bool c12 (int k, int *r, int a, int b)
{//return 真 suffix[b]大,return false suffix[a]大
if (k == )
return r[a]<r[b] || (r[a]==r[b]&&c[a+]<c[b+]);
return r[a]<r[b] || (r[a]==r[b]&&c12(, r, a+, b+));
}
对于和后缀数组相关的这两个算法,其实并没有什么难点。难理解的点就在于基数排序对数组的使用,手动模拟几遍就OK辣!
最后再附上一个完整的DC3代码
#define F(x) x/3+(x%3==1?0:tb)
#define G(x) x>=tb?(x-tb)*3+2:x*3+1 const int maxn = ;
int c[maxn*], x[maxn*], y[maxn*];
int sa[maxn*], rank[maxn*]; bool c0 (int *r, int a, int b)
{
return r[a]==r[b] && r[a+]==r[b+] && r[a+]==r[b+];
} bool c12 (int k, int *r, int a, int b)
{
//return 真 suffix[b]大,return false suffix[a]大
if (k == )
return r[a]<r[b] || (r[a]==r[b]&&c[a+]<c[b+]);
return r[a]<r[b] || (r[a]==r[b]&&c12(, r, a+, b+));
} void Sort (int *r, int *a, int *b, int n, int m)
{
for (int i=; i<m; i++) c[i] = ;
for (int i=; i<n; i++) c[r[a[i]]] ++;
for (int i=; i<m; i++) c[i] += c[i-];
for (int i=n-; i>=; i--)
b[--c[r[a[i]]]] = a[i];
} void DC3 (int *r, int *sa, int n, int m)
{
int *san = sa+n, *rn = r+n, ta=, tb=(n+)/, tbc=, i, j, p;
for (i=; i<n; i++) if (i % ) x[tbc ++] = i; r[n] = r[n+] = ;
Sort (r+, x, y, tbc, m);
Sort (r+, y, x, tbc, m);
Sort (r, x, y, tbc, m); rn[F(y[])] = ;
for (i=, p=; i<tbc; i++)
rn[F(y[i])] = c0(r, y[i-], y[i])?p-:p++;
//rn[i] 起始位置为i的排名 if (p < tbc)
DC3 (rn, san, tbc, p);
else
for (i=; i<tbc; i++)
san[rn[i]] = i; for (i=; i<tbc; i++)
if (san[i] < tb)
y[ta++] = san[i]*; if (n% == )
y[ta++] = n - ; Sort (r, y, x, ta, m);//对mod3==0的后缀串排序
for (i=; i<tbc; i++)
c[y[i] = G(san[i])] = i; for (i=, j=, p=; i<ta&&j<tbc; p++)
sa[p] = c12 (y[j]%, r, y[j], x[i])?y[j++]:x[i++];
for (; j<tbc; j++)
sa[p++] = y[j];
for (; i<ta; i++)
sa[p++] = x[i]; return;
}