

题意:
给定 n 行字符串,求出所有字符串的 最长公共子串。
思路:
先想想如果是 两个串 的话,如何解决这个问题?
现在我们有 A、B 两个串,我们 先把 A 串建成后缀自动机(相当于 将 A 的所有子串 都扔进一个 哈希表 中,即 快速查询 A 的每个子串),
想想 暴力 怎么做:
- 枚举
B串中每个子串的起点i,从 起点i开始 往后走,边走边 在后缀自动机A中查询,直到走到 某一个位置 发现 “加上一个字符之后,A的自动机中不存在该串”,就说明此时我们找到了一个 以i为起点,长度最大的一个公共子串,停下来即可。这样一来,我们就枚举了 其中一个起点。之后我们 将起点往后挪动一位,再 往后 进行 枚举,以此类推,这样的算法是一定可以将 所有的情况(任意起点在A中出现的最长子串)枚举到的。最后,对于每个起点求出来的最长子串长度取max,即为答案。
现在考虑如何 优化这个算法,这就要用到 SAM 的性质 了,
- 当我们在
SAM中走到 状态p(节点),我们知道 节点p是具有一些子串(后缀)的,且都是 连续的,且为 最长子串的后缀。p之后不存在一个字符,意味着 其包含的所有子串后方都不能接新的字符。此时,我们试着 将起点往后挪一位,但这样可能还是会在SAM中走到p节点,且 没有新的出边(此时 得到的新的公共子串长度还没有上一轮得到的长度更长,且属于p节点代表的同类子串集合)。思考一下,起点 挪动到什么时候才会有 质变 呢?可以想到,当 起点 为p节点代表子串集合中最短串首字符时,将起点 往后挪一位,这时才会有 质变,即 走到p时有了新的出边,也就是可能将 答案更新,相当于 将p代表子串集合中最短串首位删除,删除之后的状态我们应该很熟悉了,其实就是p用绿色链接边连向的节点。 - 总结一下:优化之处 在于,可以直接 将起点跳转至
p绿色链接边连向的点p' = fa[p],如果 跳转至p'之后 后方还是 没有出边,那么 继续跳转至fa[p']即可,显然这个过程时会 结束 的(跳转至 有出边的节点 或 空字符串),这样一来我们就 省去了挨个暴力枚举,起到了将时间复杂度优化的效果(优化成了O(n)),这一连串的 匹配过程 和KMP有惊人的相似之处。
考虑如何 将答案记录,
- 显然可以 在
SAM中的每个状态p中都记录一个最大值now[p],表示 当前在B和 状态p中都出现过的最长子串长度,由于A的子串必然被划分到了每一个状态p中,那么,对于 每个状态的now[p]联合起来取最大值,就可以 将A的所有子串的遍历一遍,即求出A的所有子串中,哪一个子串 是 在B中出现过 且 长度最长 的。
至此,对于 两串求最长公共子串的做法 已经分析完毕,现在想想对于 n 个字符串 该如何处理?
- 先将 第
1个串 建成SAM,之后对于 第2个串 进行一遍刚刚分析的操作,这样一来,对于 每一个状态p,都可以 求出其now2[p],当求 第3个串 时,我们可以求出 所有now3[p],当求 第n个串 时我们可以求出nown[p],对于 状态p的最长公共子串 我们取的应为ans_p = min(now1[p], now2[p], ..., nown[p]),而对于 最终答案(n个串 的 最长公共子串),我们是 以状态p为变量,取ans = max(ans_p1, ans_p2, ..., ans_pm)。
代码:
#include<bits/stdc++.h>
using namespace std;
const int N = 10010, M = N << 1;
int n, ch[M][26], fa[M], len[M], np = 1, tot = 1, ans[M], now[M];
vector<int> g[M];
char s[N];
void extend(int c)
{
int p = np; np = ++tot;
len[np] = len[p] + 1;
while (p && !ch[p][c]) {
ch[p][c] = np;
p = fa[p];
}
if (!p) {
fa[np] = 1;
}
else {
int q = ch[p][c];
if (len[q] == len[p] + 1) {
fa[np] = q;
}
else {
int nq = ++tot;
len[nq] = len[p] + 1;
fa[nq] = fa[q], fa[q] = fa[np] = nq;
while (p && ch[p][c] == q) {
ch[p][c] = nq;
p = fa[p];
}
memcpy(ch[nq], ch[q], sizeof ch[q]);
}
}
}
void dfs(int u)
{
for (auto son : g[u]) {
dfs(son);
now[u] = max(now[u], now[son]);
}
}
signed main()
{
scanf("%d", &n);
scanf("%s", s);
for (int i = 0; s[i]; ++i) extend(s[i] - 'a');
for (int i = 1; i <= tot; ++i) ans[i] = len[i];
for (int i = 2; i <= tot; ++i) g[fa[i]].emplace_back(i);
for (int i = 0; i < n - 1; ++i) {
memset(now, 0, sizeof now);//每次存的是 当前枚举到的串 与 A串 匹配时,所有在p状态上的答案情况,所以得清0
scanf("%s", s);
int p = 1, t = 0; //从起点p=1开始,t为当前长度
for (int j = 0; s[j]; ++j) {
int c = s[j] - 'a';
while (p > 1 && !ch[p][c]) { //当p不是头结点,且p没有c这个儿子
//p往后挪 t取跳转到的状态的最长值
p = fa[p];
t = len[p];
}
if (ch[p][c]) p = ch[p][c], ++t;
//如果p有c这条边,那么跳过去,当前长度+1
now[p] = max(now[p], t);
}
dfs(1); //处理特殊情况,需要先自下而上传递标记
//当前串求完所有now后,枚举所有状态ans存储所有状态最小值
for (int k = 1; k <= tot; ++k) ans[k] = min(ans[k], now[k]);
}
int res = *max_element(ans + 1, ans + tot + 1);
printf("%d\n", res);
return 0;
}

本文讲解了如何利用后缀自动机(SAM)解决n个字符串的最长公共子串问题,通过构造SAM并利用其性质优化查找过程,将时间复杂度降低到O(n),详细介绍了算法思路、优化技巧和代码实现。
&spm=1001.2101.3001.5002&articleId=126097673&d=1&t=3&u=2b2c72ae56cb4a8e86dcb98b81418a13)
4323

被折叠的 条评论
为什么被折叠?



