给定 n
行字符串,求出所有字符串的 最长公共子串。
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:
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,
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。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,
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?
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)
。#include <bits/stdc++.h>
using namespace std;
//#define map unordered_map
//#define int long long
const int N = 1e4 + 10, M = N << 1;
char s[N];
int fa[M], ch[M][26], len[M], cnt[M];
int tot = 1, np = 1;
int n;
int h[M], e[M], ne[M], idx;
int now[M], ans[M];
void add(int a, int b) {
e[idx] = b, ne[idx] = h[a], h[a] = idx++;
}
void dfs(int u) {
for (int i = h[u]; ~i; i = ne[i]) {
int j = e[i];
dfs(j);
now[u] = max(now[u], now[j]);
}
}
void extend(int c) {
int p = np;
np = ++tot;
len[np] = len[p] + 1, cnt[np] = 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]);
}
}
}
signed main()
{
cin >> n;
cin >> s;
for (int i = 0; s[i]; ++i) {
extend(s[i] - 'a');
}
for (int i = 1; i <= tot; ++i){
ans[i] = len[i];
}
memset(h, -1, sizeof h);
for (int i = 2; i <= tot; ++i) {
add(fa[i], i);
}
for (int i = 0; i < n - 1; ++i) {
cin >> s;
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
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) {
while (p > 1 && !ch[p][s[j] - 'a']) { //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][s[j] - 'a']) p = ch[p][s[j] - 'a'], ++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 i=1; i<=tot; ++i){
ans[i] = min(ans[i], now[i]);
}
}
int res = -1;
for (int i = 1; i <= tot; ++i) {
res = max(res, ans[i]);
}
printf("%d\n", res);
return 0;
}