首页 > 编程语言 >AC 自动机——trie 树与 KMP 算法的结合体

AC 自动机——trie 树与 KMP 算法的结合体

时间:2022-11-14 11:47:24浏览次数:76  
标签:rt AC ch 匹配 trie 结点 int KMP fail

默认所有字符串的下表从 \(1\) 开始。

梗概与实现

如果是单一的模式串和字符串进行匹配,KMP 算法自然可以派上用场。但如果有多个模式串呢?

对每个模式串都跑一遍 KMP?如果有 \(n\) 个模式串,求解 \(nxt[]\) 的时间复杂度为 \(O(\sum\limits_{i = 1}^n |p_i|)\),而因为进行了 \(n\) 次匹配,所以匹配的时间复杂度为 \(O(n |s|)\),也就是 \(O(n^2)\) 量级的时间复杂度了。并且 \(nxt[]\) 只作用于单个模式串,在多个模式串的情况下还是会出现资源的浪费。

有什么优化方案呢?AC 自动机。

如题,AC 自动机是 trie 树和 KMP 算法的结合体,算法梗概是将所有的模式串存入一个 trie 树中,并处理出与 KMP 中的 \(nxt[]\) 功能类似的 \(fail[]\) 数组,通过 \(fail[]\) 极大提高匹配效率。

举例,给定模式串为 shehehersayshr,则建起来的 trie 树应该长这样(其中标黄表示该结点是某个模式串的末字符):

trie

那么我们想想加入 \(fail[]\) 后,这个图应该长什么样子。

假设我们现在匹配完左侧的 e 结点,却发现下一个字符无法与 e 的子结点中的任意一个字符匹配(根本就没有怎么匹配),此时,我们已经确定当前字符与 e 匹配,上一字符与 h 匹配,从效率的角度出发,应该跳到右侧 h 下的 e,让下一个字符与 r 比对。

据此,可以画出来加上 \(fail[]\) 后的图:

fail

当然,每个结点都应该有自己的 \(fail[]\),对于 \(fail[u]\) 无法指向其他结点的结点 \(u\),\(fail[u] = rt\)(\(rt\) 即 \(root\)),就不在图上画了。

求解 \(fail[]\) 的过程(BFS 处理):

  • 结点 \(u\) 上的字符 \(c\),沿着 \(u\) 父结点的 \(fail[]\) 走,直到到达一个结点,满足该结点的子节点 \(v\) 上的字符也为 \(c\),则 \(fail[u] = v\)。
  • 若跳到根结点也找不到找不到合法的 \(v\),则 \(fail[u] = rt\)。

代码实现:

void getfail() {
    for (int i = 0; i < 26; i++) {
        if (ch[rt][i]) {
            fail[ch[rt][i]] = rt;
            q.push(ch[rt][i]); 
        }
    }
    while (!q.empty()) {
        int u = q.front();
        q.pop();
        for (int i = 0; i < 26; i++) {
            if (ch[u][i]) {
                fail[ch[u][i]] = ch[fail[u]][i];
                q.push(ch[u][i]);
            } else ch[u][i] = ch[fail[u]][i];
            /*
            这里为了提高求解 fail[] 的效率,对原 trie 树进行了修改。
            虽不会影响查询,但要明确此时的 trie 树已经不是原来的样子了。
            因此,用求完 fail[] 后的 trie 进行除匹配外的任何操作都要谨慎。
            */
        }
    }
}

匹配代码实现:

int KMP() { //求解出现了多少个模式串
    int n = strlen(s + 1), p = rt, cnt = 0;
    for (int i = 1; i <= n; i++) {
        p = ch[p][s[i] - 'a'];
        for (int k = p; k && flag[k] != -1; k = fail[k]) {
            // 无论匹配成功与否都要跳 fail[],因为 fail[] 联系的是不同的模式串,都对答案有贡献。
            cnt += flag[k];
            flag[k] = -1;
            // 修改标记,防止重复访问,节省时间。
        }
    }
}

若有 \(n\) 个模式串,最优时间复杂度 \(O(2 \sum\limits_{i = 1}^n |p_i| + |s|)\),但极端情况下可以到近似 \(O(2 \sum\limits_{i = 1}^n |p_i| + \max\limits_{1 \le i \le n}\{|p_i|\} \times |s|)\)。

模板与优化

洛谷 P3808 【模板】AC 自动机(简单版)

纯纯套板子。

P3796 【模板】AC 自动机(加强版)

把 \(flag[]\) 的值由 \(0 / 1\) 改为对应字符串的下标,对每个字符串单独开一个 \(cnt[]\),匹配的时候更新出现次数并取最值即可。

匹配代码:

int kmp(char s[]) {
    int n = strlen(s + 1), p = rt, res = 0;
    for (int i = 1; i <= n; i++) {
        p = ch[p][s[i] - 'a'];
        for (int k = p; k; k = fail[k]) {
            if (flag[k]) {
                cnt[flag[k]]++;
                res = max(res, cnt[flag[k]]);
            }
        }
    }
    return res;
}

P5357 【模板】AC 自动机(二次加强版)

数据并不保证任意两个字符串不相同,所以记录每个模式串的末字符结点编号 \(ed[]\) 和每个点的 \(cnt[]\),最后输出 \(cnt[ed[i]]\)。

一看数据范围,再一看最坏时间复杂度,TLE……

考虑优化。

回到刚刚的图——

fail

如果匹配了左侧的 h,则当前字符再匹配右侧的 h 也会成功,右侧 h 的出现次数也加一。在此基础上,若再匹配了 e,则右侧的 e 的出现次数也加 \(1\)。

以此类推,在匹配过程中不跳 \(fail[]\) 的条件下求得每个结点匹配的次数 \(t[]\) 后,有 \(cnt[u] = \sum\limits_{fail[v] = u} cnt[v] + t[u]\)。

欸,怎么有股树的味道。我们维护树上每个节点的子树大小时,不就是用的 \(sz[u] = \sum\limits_{v \in son(u)} sz[v] + 1\) 吗?可不可以将 \(fail[]\) 看作边,在形成的图上处理这个问题呢?

将每个 \((fail[i], i)\) 都看作一条无向边,就形成了一棵以 \(rt\) 为根的树!一般将其称为 fail 树。

此时,我们在建出来的 fail 树上跑一遍 dfs,便能求出 \(cnt[]\) 啦,时间复杂度也来到了优秀的 \(O(3 \sum\limits_{i = 1}^n |p_i| + |s|)\)。

Bonus:

建图时真的要对每个 \((i, fail[i])\) 都建一条无向边吗?

关注到 \(fail\) 树以 \(rt\) 为根,结合 \(fail[]\) 的求解过程可推出在同样以 \(rt\) 为根的 trie 树上, \(dep[fail[i]] < dep[i]\),可推出在 fail 树上,同样满足 \(dep[fail[i]] < dep[i]\),因此只需建 \(fail[i] \to i\) 的有向边即可。

\(\text{Code}\)

#include <bits/stdc++.h>

#define MAXN 200100
#define MAXS 2000100

using namespace std;

int n, rt, tot, ch[MAXN][26], fail[MAXN], ed[MAXN];
int tote, head[MAXN], cnt[MAXN];
char s[MAXS];

struct Edge {
    int to, nxt;
} e[MAXN];

template<typename _T>
inline void read(_T &_x) {
    _x = 0;
    _T _f = 1;
    char _ch = getchar();
    while (_ch < '0' || '9' < _ch) {
        if (_ch == '-') _f = -1;
        _ch = getchar();
    }
    while ('0' <= _ch && _ch <= '9') {
        _x = (_x << 3) + (_x << 1) + (_ch & 15);
        _ch = getchar();
    }
    _x *= _f;
}

template<typename _T>
inline void write(_T _x) {
    if (_x < 0) {
        putchar('-');
        _x = -_x;
    }
    if (_x > 9) write(_x / 10);
    putchar('0' + _x % 10);
}

void add(int u, int v) {
    e[++tote] = Edge{v, head[u]};
    head[u] = tote;
}

void getfail() {
    queue<int> q;
    for (int i = 0; i < 26; i++) {
        if (ch[rt][i]) {
            fail[ch[rt][i]] = rt;
            q.push(ch[rt][i]);
        }
    }
    while (!q.empty()) {
        int u = q.front();
        q.pop();
        for (int i = 0; i < 26; i++) {
            if (ch[u][i]) {
                fail[ch[u][i]] = ch[fail[u]][i];
                q.push(ch[u][i]);
            } else ch[u][i] = ch[fail[u]][i];
        }
    }
}

void dfs(int u) {
    for (int i = head[u], v; i; i = e[i].nxt) {
        v = e[i].to;
        dfs(v);
        cnt[u] += cnt[v];
    }
}

int main() {
    read(n);
    for (int i = 1; i <= n; i++) {
        scanf("%s", s + 1);
        int p = rt;
        for (int j = 1; s[j]; j++) {
            int x = s[j] - 'a';
            if (!ch[p][x]) ch[p][x] = ++tot;
            p = ch[p][x];
        }
        ed[i] = p;
    }
    getfail();
    for (int i = 1; i <= tot; i++) add(fail[i], i);
    scanf("%s", s + 1);
    int p = rt;
    for (int i = 1; s[i]; i++) {
        cnt[p = ch[p][s[i] - 'a']]++;
    }
    dfs(0);
    for (int i = 1; i <= n; i++) {
        write(cnt[ed[i]]), putchar('\n');
    }
    return 0;
}

标签:rt,AC,ch,匹配,trie,结点,int,KMP,fail
From: https://www.cnblogs.com/chy12321/p/16888479.html

相关文章

  • MACM1 VM安装Centos7ARM版
    ......
  • 使用GitHub Actions实现自动化部署
    前言大家在工作中想必都是通过自动化部署来进行前端项目的部署的,也就是我们在开发完某个需求时,我们只需要将代码推送到某个分支,然后就能自动完成部署,我们一般不用关心项目是......
  • 关于 SAP Spartacus 重定向部分外部 url 到后台系统的问题
    许多客户将采用逐步(route-by-route)的方式从Accelerator迁移到spartacus,这意味着客户将使用不同的系统在同一域中同时驱动部分店面。我们希望支持具有可配置的路由,并可选......
  • 外设驱动库开发笔记48:MCP4725单通道DAC驱动
      在产品设计过程中,我们经常会遇到数模转换的应用需求。在本篇种我们就来讨论一下MCP4725单通道数模转换器的驱动设计与实现。1、功能概述  MCP4725是一个低功耗,高精度,......
  • Oracle常用优化16个技巧
    1.选择最有效率的表名顺序ORACLE的解析器按照从右到左的顺序处理FROM子句中的表名,因此FROM子句中写在最后的表(基础表drivingtable)将被最先处理。当ORACLE处理多个表时,会......
  • Oracle数据库,笔录!
    Oracle数据库,PL/SQL编程笔录PL/SQL:是Oracle对SQL语言过程的程序化拓展基本语法结构:[declare...声明变量]begin...程序块[Exception......
  • LoggerFactory.getLogger 的过程(一)
    Loggerlog=LoggerFactory.getLogger(TestRunner.class);上面这行代码,就可以获取一个logger的实例,然后就可以用来打印日志了。这篇就探究这个方法都干了什么。1publicsta......
  • reactHooks_useEffect
    当在直接在组件内使用setState时,会产生“渲染次数过多”的错误例如:constA=()=>{  const[num,setNum]=useState(1);  setNum(1);  return(<>{num}</>)......
  • 在MAC上使⽤FreeTDS、 UnixODBC、pyodbc连接Sybase
    提要:项目需要使用python去连接操作Sybase,由于我的电脑是Mac,需要先配置相关环境才能进一步操作它。安装UnixODBCbrewinstallunixodbc安装配置FreeTDS下载wgetftp:......
  • ACM预备队-week3(线性表)
    1.寄存柜题目链接:P3613【深基15.例2】寄包柜-洛谷|计算机科学教育新生态(luogu.com.cn)二维map学到了  stl大法好1#include<bits/stdc++.h>2usingname......