27.模板-AC自动机
文章目录
跟学视频:F08【模板】AC自动机_
0. 概述
- A C AC AC自动机是多模式匹配算法,给定 n n n个模式串和一个主串,查找有多少个模式串在主串中出现过。
复习一下字典树吧:【C++算法模板】字典树,超详细注释带例题讲解-CSDN博客
1. 构建Trie树
- 我们先用n个模式串构造一颗Trie。
- Trie中的一个节点表示一个从根到当前节点的字符串。
- 根节点表示空串,节点⑤表示“s”,节点6表示“sh”,节点7表示“she”。
- 如果节点是个模式串,则打个标记。例如,cnt[7]=1。
// 用Trie树的题目一定限制了字符的个数
const int N=1e5+5;
// ch[i][j]=2:i是层数(根节点从0开始),j表示字母,下标0表示'a',2是当前记录到哪个点的编号
// cnt[i]=1,以当前点结尾的串是一个模式串
// idx:下标是0的点,既是根节点,也是空节点
int ch[N][26],cnt[N],idx;
// 建树的insert函数
void insert(char s[]) {
int p=0; // 从根节点开始遍历
for(int i=0;s[i];i++) { // 遍历主串
int j=s[i]-'a'; // a~z映射到下标0~25
if(!ch[p][j]) ch[p][j]=++idx; // 如果没有孩子节点,则创建一个
p=ch[p][j]; // 走到p的子节点,继续往下遍历和创建
}
cnt[p]++; // 以节点p结尾的单词个数+1,标记从根节点出发到该节点是一个模式串
}
2. 构造AC自动机
- 构造AC自动机的过程就是在Trie树上构建两类边:回跳边和转移边
1)回跳边
开一个数组ne[],ne[v] 存节点v的回跳边的终点,如:ne[7]=3,表示节点7的回跳边的终点是3
回跳边指向父节点的回跳边所指节点的儿子,对于ne[7]=3来说,7的父节点是6,6的子节点是3,所以7指向3,此时四个点 ( v , u , n e [ u ] , c h [ ] [ ] ) (v,u,ne[u],ch[][]) (v,u,ne[u],ch[][])构成四边形
并且回跳边所指节点一定是当前节点的最长后缀,cnt[7]=1,代表模式串是she,cnt[3]=1,代表模式串是he,此时he是she的最长后缀,下图中绿色边代表回跳边。
2)转移边
- 转移边指向的是当前节点的回跳边所指节点的儿子,转移边和树边共同存储在数组 c h [ ] [ ] ch[][] ch[][]中
- c h [ u ] [ i ] ch[u][i] ch[u][i]存节点u的树边的终点,如 c h [ 6 ] [ e ] = 7 ch[6][e]=7 ch[6][e]=7,节点6走e边到达节点7
- c h [ u ] [ i ] ch[u][i] ch[u][i]存节点u的转移边的终点,如 c h [ 7 ] [ r ] ch[7][r] ch[7][r]=4,节点7的回跳边是3,节点3的儿子是节点4,注意上图中没有画出转移边,只有树边和回跳边
- 此时三个点 ( u , n e [ u ] , c h [ ] [ ] ) (u,ne[u],ch[][]) (u,ne[u],ch[][])构成三角形
- 转移边所指节点一定是当前节点的最短路,比如 c h [ 7 ] [ r ] = 4 ch[7][r]=4 ch[7][r]=4,那么从节点7到达节点4的最短路就是这条直通的r,而不是回溯到根节点再重新匹配到节点4
3)用BFS构造AC自动机
- 初始化,把根节点的儿子们入队(枚举26次,因为只有26个字母)
- 只要队不空,队头节点u出队,枚举u的26个儿子
- 若儿子存在,则爹帮儿子建回跳边,并把儿子入队
- 若儿子不存在,则爹自建转移边
- 上图对应的完整建边过程如下,这里只模拟节点1和节点2的建边过程:
- 1)对节点1:
- 节点1出队,但是节点1下没有儿子,所以不用给他的儿子建回跳边,但是图中节点1的回跳边指向节点0,这是因为ne[]数组是全局变量默认初始化为0,或者可以这样想,根节点代表的是空串,此时节点1的最长后缀也就是空串
- 现在建转移边,因为节点1的父节点的儿子就是本身,所以建立26条转移边,有 c h [ 1 ] [ e ] = 1 ch[1][e]=1 ch[1][e]=1,既节点1的转移边指向自己,对于遍历到父节点的下一条树边h时,当前节点的转移边指向父节点的儿子,所以有 c h [ 1 ] [ h ] = 2 ch[1][h]=2 ch[1][h]=2,同理有 c h [ 1 ] [ s ] = 5 ch[1][s]=5 ch[1][s]=5,那么对于父节点0的其他边(即不存在的边)有 c h [ 1 ] [ ⋅ ⋅ ⋅ ] = 0 ch[1][···]=0 ch[1][⋅⋅⋅]=0,指向咱们的根节点
- 2)对节点2:
- 节点2出队,因为节点2下的有儿子节点3,所以先为节点3建立回跳边为节点3的父节点的回跳边指向的儿子,其实就是节点1,所以有 n e [ 3 ] = 1 ne[3]=1 ne[3]=1,并且将节点3入队
- 因为只有这一个儿子,随后建立25条转移边,节点2的父节点0在e之后(因为e已经用于做最长后缀去建回跳边了)的树边有h和s,对h和s建立回跳边的过程同上,所以有 c h [ 2 ] [ h ] = 2 ch[2][h]=2 ch[2][h]=2、 c h [ 2 ] [ s ] = 5 ch[2][s]=5 ch[2][s]=5、 c h [ 2 ] [ ⋅ ⋅ ⋅ ] = 0 ch[2][···]=0 ch[2][⋅⋅⋅]=0
- 时间复杂度O(26n),一共需要入队出队n个字符,n是模式串所有的总长度,每个节点都要枚举26次,要么帮儿子建回跳边,要么自己建转移边
// 用Trie树的题目一定限制了字符的个数
const int N=1e5+5;
// ch[i][j]=2:i是层数(根节点从0开始),j表示字母,下标0表示'a',2是当前记录到哪个点的编号
// cnt[i]=1,以当前点结尾的串是一个模式串
// idx:下标是0的点,既是根节点,也是空节点
int ch[N][26],cnt[N],idx;
int ne[N]; // 存储回跳边的数组
// 构建AC自动机
void build() {
queue<int> q;
// 1:将根节点的儿子入队
for(int i=0;i<26;i++)
if(ch[0][i]) q.push(ch[0][i]);
// 2:当队列非空,取队头,建回跳边和转移边
while(q.size()) {
int u=q.front();q.pop();
for(int i=0;i<26;i++) {
int v=ch[u][i]; // 取出儿子节点
// 如果有儿子节点,构建v的回跳边为父节点的回跳边所指向的儿子
if(v) ne[v]=ch[ne[u]][i],q.push(v);
// 如果没有儿子节点,构建u的转移边为回跳边所指向节点的儿子
else ch[u][i]=ch[ne[u]][i];
}
}
}
3. 查找单词出现次数
匹配的方式和 K M P KMP KMP类似,是一个双指针匹配,首先扫描主串,依次取出字符s[k]
1)i 指针走主串对应的节点,沿着树边或转移边走,保证不回退
2)j 指针沿着回跳边搜索模式串,每次从当前节点走到根节点,把当前节点中的所有后缀模式串一网打尽,保证不漏解。
3)扫描完主串,返回答案
算法一边走串,一边把当前串的所有后缀串搜出来,实在是强,对于此过程的模拟,建议听原视频(因为太复杂了不想写)
F08【模板】AC自动机_哔哩哔哩_bilibili,从 24 : 48 24:48 24:48 开始
- 时间复杂度 O ( n + m ) O(n+m) O(n+m),m是主串长度,n是所有模式串的总长度
// 查找单词出现次数
int query(char s[]) {
int ans=0;
for(int k=0,i=0;s[k];k++) {
i=ch[i][s[k]-'a']; // i指针指向s[k]这个字符对应的节点
for(int j=i;j&&~cnt[j];j=ne[j]) // j指针从当前指针开始,沿沿着回跳边跑
ans+=cnt[j],cnt[j]=-1; // 如果有标记,则累加答案,无论有无标记,都把标记清空,注意这里的写法不是固定的,如果题目要求出现几次就累计几次,那么cnt[j]是不用清空的
}
return ans;
}
4. KMP与AC自动机对比
5. 【例】洛谷P3808 AC自动机(简单)
- 给定 n n n 个模式串 s i s_i si 和一个文本串 t t t,求有多少个不同的模式串在文本串里出现过,当两个模式串编号不同时即视为不同的模式串。
- 注意: s 2 s_2 s2 与 s 3 s_3 s3 编号(下标)不同,因此各自对答案产生了一次贡献。
- 注意: s 1 s_1 s1, s 2 s_2 s2, s 4 s_4 s4 都在串 a b c d abcd abcd里出现过
#include<bits/stdc++.h>
#define x first
#define y second
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
typedef pair<int,int> PII;
// 题目描述:
// 用Trie树的题目一定限制了字符的个数
const int N=5e5+10;
// ch[i][j]=2:i是层数(根节点从0开始),j表示字母,下标0表示'a',2是当前记录到哪个点的编号
// cnt[i]=1,以当前点结尾的串是一个模式串
// idx:下标是0的点,既是根节点,也是空节点
int ch[N][26],cnt[N],idx;
int ne[N]; // 存储回跳边的数组
int n; // 模式串个数
const int MAX_LEN=1e6+10; // 模式串最长长度
char str[MAX_LEN]; // 存储模式串
// 建树的insert函数,传入字符串
void insert(char s[]) {
int p=0; // 从根节点开始遍历
for(int i=0;s[i];i++) { // 遍历主串
int j=s[i]-'a'; // a~z映射到下标0~25
if(!ch[p][j]) ch[p][j]=++idx; // 如果没有孩子节点,则创建一个
p=ch[p][j]; // 走到p的子节点,继续往下遍历和创建
}
cnt[p]++; // 以节点p结尾的单词个数+1,标记从根节点出发到该节点是一个模式串
}
// 构建AC自动机
void build() {
queue<int> q;
// 1:将根节点的儿子入队
for(int i=0;i<26;i++)
if(ch[0][i]) q.push(ch[0][i]);
// 2:当队列非空,取队头,建回跳边和转移边
while(q.size()) {
int u=q.front();q.pop();
for(int i=0;i<26;i++) {
int v=ch[u][i]; // 取出儿子节点
// 如果有儿子节点,构建v的回跳边为父节点的回跳边所指向的儿子
if(v) ne[v]=ch[ne[u]][i],q.push(v);
// 如果没有儿子节点,构建u的转移边为回跳边所指向节点的儿子
else ch[u][i]=ch[ne[u]][i];
}
}
}
// 查找单词出现次数,传入字符串
int query(char s[]) {
int ans=0;
for(int k=0,i=0;s[k];k++) {
i=ch[i][s[k]-'a']; // i指针指向s[k]这个字符对应的节点
for(int j=i;j&&~cnt[j];j=ne[j]) // j指针从当前指针开始,沿沿着回跳边跑
ans+=cnt[j],cnt[j]=-1; // 如果有标记,则累加答案,无论有无标记,都把标记清空,视情况嗷
}
return ans;
}
int main() {
cin>>n; // 模式串个数
for(int i=0;i<n;i++) {
cin>>str;
insert(str);
}
build();
cin>>str; // 输入主串
cout<<query(str)<<endl;
return 0;
}