初学回文自动机

回文这个东西,有一些不错的算法。比如马拉车算法,就是一种非常优秀的算法。
我也学过一篇有关马拉车的文章,非常的简单易懂。但我们今天讲的是比马拉车更强的算法——回文自动机。
回文自动机和AC自动机有一些类似的地方,所以有兴趣的同学可以看这篇文章来了解 AC自动机


好了,在开始今天的正文之前,我们得先定义一些数组,以便更好的了解回文自动机。

fail[x]:x失配后跳转到的不等于自身的最长后缀回文子串。(这个可能有点难看懂,但是参考AC自动机fail)
len[x]:以x为结尾的最长回文子串的长度。
cnt[x]:与以x结尾的最长回文子串相同的子串的个数
son[x][c]:编号为x的节点表示的回文串在两边添加字符c以后变成的回文串的编号
s[x]:第x次添加的字符(一开始设S[0] = -1,也可以是任意一个在串S中不会出现的字符)。

定义完这些数组后,我们就开始构建后缀自动机了。
首先我们建两个空节点0和1,其中 fail[0]=1,len[1]=1 f a i l [ 0 ] = 1 , l e n [ 1 ] = − 1 ,这样的设定对后面有用。
然后我们读入一个字符,找出以它为结尾的最长回文子串的长度。这段找的代码如下:

ll get_fail(ll p,ll x){
    while(s[x-len[p]-1]!=s[x]) p=fail[p];
    return p;
}

那么节点x的最长回文子串的长度为函数 len[p]+2 l e n [ p ] + 2 。因为我们看某个回文子串的最左端是否和新加入的字符一样,如果一样那就是我们要求的回文子串,如果不一样,我们就跳转到当前回文串的最长后缀回文子串,继续匹配。是不是有点类似与AC自动机?
举个例子,比如当前串为cbbabb,那么最长的回文子串为bbabb,我们要加入字符a,那么a先与bbabb左边的字符(c)比较,发现不一样,于是跳转到bbabb的最长的后缀回文子串,也就是bb,继续匹配。发现bb左边的字符为a,和我们要加入的字符一样,所以新加入的len就是 len(bb)+2=4 l e n ( b b ) + 2 = 4 ,也就是子串abba。
然后我们再求出它的fail,也就是当前串abba的最长后缀回文子串,那么我们拿bb继续和a匹配,很遗憾不能匹配,所以会一路跳转到0,而 fail[0]=1 f a i l [ 0 ] = 1 ,所以到了点1,而 len[1]=1 l e n [ 1 ] = − 1 ,带到我们的 get g e t _ fail f a i l 里发现是 s[x(1)1]=s[x] s [ x − ( − 1 ) − 1 ] = s [ x ] ,也就意味着 s[x]=s[x] s [ x ] = s [ x ] 所以它的最长后缀回文子串就是它自己b,所以我们把fail连到找到的点即可。fail[now]=son[get_fail(fail[cur],i)][s[i]-'a'];//cur=get_fail(last,i),s[i]是新加入的字符
建造的过程大家还可以自己举几个例子,再根据代码理解,应该比较容易理解。下面是代码:

#include<bits/stdc++.h>
#define MAXN 300010
#define ll long long
using namespace std;
ll read(){
    char c;ll x;while(c=getchar(),c<'0'||c>'9');x=c-'0';
    while(c=getchar(),c>='0'&&c<='9') x=x*10+c-'0';return x;
}
char s[MAXN];
ll fail[MAXN],son[MAXN][26],len[MAXN],cnt[MAXN];
ll tot,last,cur,ans;
ll newnode(ll x){
    len[tot]=x;
    return tot++;
}
ll get_fail(ll p,ll x){
    while(s[x-len[p]-1]!=s[x]) p=fail[p];
    return p;
}
int main()
{
    scanf("%s",s+1);
    s[0]=-1;fail[0]=1;last=0;
    newnode(0);newnode(-1);
    register int i;
    for(i=1;s[i];i++){
        cur=get_fail(last,i);
        if(!son[cur][s[i]-'a']){
            ll now=newnode(len[cur]+2);
            fail[now]=son[get_fail(fail[cur],i)][s[i]-'a'];
            son[cur][s[i]-'a']=now;
        } 
        cnt[last=son[cur][s[i]-'a']]++;
    }
    for(i=tot-1;i>=0;i--){
        cnt[fail[i]]+=cnt[i];
    }
    return 0;
} 

给大家推荐这篇博客,里面有详细的例子和图解

<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,也叫作回文树(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),又称回文树(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