回文自动机学习笔记

回文自动机学习笔记

由两棵子树构成

  • 一棵节点编号为0,子树是长度为偶数的回文串
  • 一棵节点编号为1,子树是长度为奇数的回文串

回文自动机

奇偶回文串处理

l e n [ 0 ] = 0 , l e n [ 1 ] = − 1 len[0] = 0, len[1] = -1 len[0]=0,len[1]=1使得在 1 1 1号子树下的字符串长度 − 1 -1 1

f a i l [ 0 ] = 1 fail[0] = 1 fail[0]=1使得字符串最终能跳到 − 1 -1 1,即本身为回文串

f a i l [ 1 ] = 0 fail[1] = 0 fail[1]=0使得本身为回文串的情况,最小真后缀回文串为0成立

回文树节点

  • 对于 0 0 0号子树,路径上的字母表示回文串后半段
  • 5 5 5号节点为例,表示的是baab
  • 对于 1 1 1号子树,路径上的字母表示回文串后半段(包括中间字符)
  • 2 2 2号节点为例,表示的是 a a a

此图片为 a b b a a b b a abbaabba abbaabba的回文树

建树

i n [ 0 ] = ′   ′ in[0] = '~' in[0]= ,为必定不相同的字符

f a i l [ ] fail[] fail[]:表示当前回文串的最长真后缀回文串

  • 找到最新节点 l a s t last last
  • 寻找 l a s t last last代表回文串的前一个点: i n [ i − l e n [ l a s t ] − 1 ] in[i - len[last] - 1] in[ilen[last]1]
  • 与当前节点( i n [ i ] in[i] in[i])比较,若相当于在原回文串两边加上一个字符ch
  • 创建新的节点且 l e n [ t r e e [ l a s t ] [ c h ] ] = l e n [ l a s t ] + 2 len[tree[last][ch]] = len[last] + 2 len[tree[last][ch]]=len[last]+2
  • 若当前回文串不匹配,跳 f a i l fail fail指针寻找最长真后缀回文子串是否匹配
  • 最终至少会跳到 f a i l [ 0 ] = = − 1 fail[0] == -1 fail[0]==1,字符本身必定为回文串

f a i l fail fail指针建立

寻找一个回文串的最长真后缀回文子串

相当于寻找 l a s t last last回文串的最长真后缀回文子串的匹配回文串

  • 定义一个新变量 j j j跳到 f a i l [ l a s t ] fail[last] fail[last]
  • 如建树一样寻找匹配回文串即可
  • 对于以自己为回文串的回文串 f a i l [ 1 ] = 0 fail[1] = 0 fail[1]=0,不然至少找到本身

代码

i n [ ] in[] in[]:字符串

t r e e [ n ] [ c h ] tree[n][ch] tree[n][ch]:字典树

f a i l [ ] fail[] fail[] f a i l fail fail指针跳转到当前回文串的** 最长真后缀回文串**

l e n [ ] len[] len[]:当前回文串的长度

初始化

scanf("%s", in + 1); in[0] = '#';
//第一个为不同字符
fail[0] = 1; fail[1] = 0;
//保证最终跳到本身
len[0] = 0; len[1] = -1;
//易处理处理
last = 0;
//last最新节点置0
num = 1;
//字典树编号,已有2个节点:0,1

建树

for (int i = 1; i <= n; i++) {
	while (in[i - len[last] - 1] != in[i]) last = fail[last];
	//跳到第一个匹配的串
	if (!tree[last][in[i] - 'a']) {//若改字符串不存在
		len[++num] = len[last] + 2;//新的回文串为原回文串+2
		int j = fail[last];//当前串的最长真后缀回文串
		while (in[i - len[j] - 1] != in[i]) j = fail[j];
		//最长真后缀回文串的第一个匹配串
		fail[num] = tree[j][in[i] - 'a'];
		tree[last][in[i] - 'a'] = num;
		//字典树编号
	}
	last = tree[last][in[i] - 'a'];
	//更新last
}

模板题

P5496 回文自动机(PAM)

P4287 双倍回文

正反向建两个回文自动机

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
<think>好的,我现在要仔细想想用户的问题:“回文自动机是什么”。首先,我需要确认用户的基础。可能用户已经了解过自动机理论,比如有限自动机(FA)、后缀自动机(SAM)等,但回文自动机可能是一个相对陌生的概念。用户可能是在学习字符串处理相关算法,或者在解决回文问题时遇到了这个数据结构,所以需要了解其基本原理和应用。 首先,我需要回忆回文自动机的定义。回文自动机,也叫作回文(Palindromic Tree)或Eertree,是由Mikhail Rubinchik和Maxim信息量大的论文提出的,用于高效处理字符串中的所有回文子串的结构。它能够在线性时间内构建,并存储所有的唯一回文子串,同时支持一些查询操作,比如统计不同回文的数量、最长回文等。 接下来,我需要确定回文自动机的结构。回文自动机由节点组成,每个节点代表一个唯一的回文子串。每个节点包含以下信息:回文的长度、后缀链接(指向当前回文的最长真后缀回文)、以及转移边(用于在添加新字符时扩展新的回文)。根节点有两个,分别对应长度为-1和0的虚根,这是为了处理奇偶长度的回文。 然后,构建过程是怎样的呢?比如,假设字符串是“abba”,如何一步步构建自动机。初始时,创建两个根节点。然后逐个字符处理,维护当前最长回文后缀的位置。当添加新字符时,检查是否可以通过当前节点的转移边扩展,如果不行,则创建新节点,并更新后缀链接。这个过程类似于后缀自动机的构建,但专门针对回文结构。 还需要考虑时间复杂度和空间复杂度。根据文献,回文自动机的构建时间复杂度是O(n),其中n是字符串长度。空间复杂度是O(n),因为每个节点代表唯一的回文子串,而一个长度为n的字符串最多有n个不同的回文子串(比如全相同字符的情况,如“aaaaa”有n个回文子串)。 应用方面,回文自动机可以用于统计所有回文子串的数量、找出最长回文子串、计算每个回文出现的次数等。例如,在解决LeetCode上的回文相关问题时,回文自动机可能提供高效的解决方案。 但用户可能需要更具体的例子来理解。比如,构建过程中的步骤,或者如何通过后缀链接快速跳转。可能还需要比较回文自动机与其他方法(如Manacher算法)的异同。Manacher算法用于寻找最长回文子串,而回文自动机则更全面,能够处理所有回文子串的信息。 此外,用户可能想知道如何实现回文自动机。代码结构大致包括节点结构体的定义(包含长度、后缀链接、转移数组),初始化两个根节点,然后逐个字符处理,维护当前节点,并在必要时创建新节点,同时更新后缀链接。 需要注意的细节包括如何处理奇偶长度的回文。两个根节点中,长度为-1的节点用于处理奇长度回文,比如当添加字符时,从该节点出发可以形成长度为1的回文。而长度为0的节点处理偶长度回文。例如,当添加一个字符,当前节点无法扩展时,通过后缀链接回溯,直到找到可以扩展的位置或者到达根节点。 可能遇到的疑问点包括后缀链接的作用。后缀链接指向当前回文的最长真后缀回文,这在构建过程中帮助快速跳转,避免重复检查。例如,当添加新字符后,如果当前节点无法扩展,通过后缀链接找到可能的位置,减少时间复杂度。 最后,总结回文自动机的优势和适用场景。它适合需要处理多个回文子串的问题,尤其是在需要统计或频繁查询的情况下,而不仅仅是寻找最长回文。与动态规划相比,回文自动机在时间和空间上更高效,尤其是当字符串较长时。</think>回文自动机(Palindromic Automaton),又称回文(Eertree),是一种专门用于高效处理字符串中所有回文子串的数据结构。它能在线性时间内构建,并支持统计唯一回文数量、查询最长回文等功能。 --- ### **核心原理** 1. **节点定义** 每个节点代表一个唯一的回文子串,包含以下信息: - `len`:回文长度 - `fail`:后缀链接(指向当前回文的最长真后缀回文) - `trans[]`:转移边(记录添加字符后形成的新回文) 2. **虚根设计** 有两个特殊根节点: - 虚根1(奇根):长度为 `-1`,用于处理奇数长度回文(如 `"a"`)。 - 虚根2(偶根):长度为 `0`,用于处理偶数长度回文(如 `"aa"`)。 3. **构建过程** 逐个字符处理字符串,维护当前最长回文后缀节点。每添加字符 `c` 时: - 从当前节点出发,沿后缀链接回溯,直到找到可扩展的节点。 - 若扩展成功,新建节点并更新后缀链接。 --- ### **时间复杂度** - **构建复杂度**:$O(n)$,其中 $n$ 为字符串长度。 - **空间复杂度**:$O(n)$,每个节点对应唯一回文子串。 --- ### **应用场景** 1. 统计所有不同回文子串的数量。 2. 查找最长回文子串。 3. 计算每个回文的出现次数。 4. 结合其他算法解决复杂回文问题(如回文分割、动态回文维护)。 --- ### **示例分析** 以字符串 `"abba"` 为例: 1. 初始状态:仅有虚根奇根(`len=-1`)和偶根(`len=0`)。 2. 添加字符 `a`: - 从偶根出发,形成长度为1的奇回文 `"a"`。 3. 添加字符 `b`: - 从 `"a"` 出发,无法扩展,回溯到奇根后新建节点 `"b"`。 4. 添加字符 `b`: - 从当前节点 `"b"` 扩展,形成 `"bb"`(偶回文)。 5. 添加字符 `a`: - 从 `"bb"` 扩展,形成 `"abba"`(偶回文)。 最终,回文自动机包含所有回文子串:`"a"`, `"b"`, `"bb"`, `"abba"`, `"b"`(末尾单独 `b`)。 --- ### **对比其他方法** - **Manacher算法**:仅求最长回文,时间复杂度 $O(n)$,但无法统计所有回文。 - **动态规划**:需 $O(n^2)$ 时间预处理,空间开销大。 - **回文自动机**:综合高效,适合处理多回文查询问题。 --- ### **代码实现要点** ```python class Node: def __init__(self): self.len = 0 # 回文长度 self.fail = None # 后缀链接 self.trans = {} # 转移边(字符→节点) # 初始化虚根 root_odd = Node() root_odd.len = -1 root_even = Node() root_even.len = 0 root_odd.fail = root_even.fail = root_odd # 初始指向自身 ``` --- 回文自动机通过巧妙的后缀链接和转移边设计,将回文处理效率提升到线性级别,是处理复杂回文问题的利器。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值