Manacher

描述

给定一个长度为 n 的字符串 s ,请找到所有对 (i, j) 使得子串 s[i \dots j] 为一个回文串。当 t = t_{\text{rev}} 时,字符串 t 是一个回文串( t_{\text{rev}}t 的反转字符串)。

更进一步的描述

显然在最坏情况下可能有 O(n^2) 个回文串,因此似乎一眼看过去该问题并没有线性算法。

但是关于回文串的信息可用 一种更紧凑的方式 表达:对于每个位置 i = 0 \dots n - 1 ,我们找出值 d_1[i]d_2[i] 。二者分别表示以位置 i 为中心的长度为奇数和长度为偶数的回文串个数。

举例来说,字符串 s = \mathtt{abababc}s[3] = b 为中心有三个奇数长度的回文串,也即 d_1[3] = 3

a\ \overbrace{b\ a\ \underset{s_3}{b}\ a\ b}^{d_1[3]=3}\ c

字符串 s = \mathtt{cbaabd}s[3] = a 为中心有两个偶数长度的回文串,也即 d_2[3] = 2

c\ \overbrace{b\ a\ \underset{s_3}{a}\ b}^{d_2[3]=2}\ d

因此关键思路是,如果以某个位置 i 为中心,我们有一个长度为 l 的回文串,那么我们有以 i 为中心的长度为 l - 2l - 4 ,等等的回文串。所以 d_1[i]d_2[i] 两个数组已经足够表示字符串中所有子回文串的信息。

一个令人惊讶的事实是,存在一个复杂度为线性并且足够简单的算法计算上述两个“回文性质数组” d_1[]d_2[] 。在这篇文章中我们将详细的描述该算法。

解法

总的来说,该问题具有多种解法:应用字符串哈希,该问题可在 O(n \log n) 时间内解决,而使用后缀数组和快速 LCA 该问题可在 O(n) 时间内解决。

但是这里描述的算法 压倒性 的简单,并且在时间和空间复杂度上具有更小的常数。该算法由 Glenn K. Manacher 在 1975 年提出。

朴素算法

为了避免在之后的叙述中出现歧义,这里我们指出什么是“朴素算法”。

该算法通过下述方式工作:对每个中心位置 i ,在比较一对对应字符后,只要可能,该算法便尝试将答案加 1

该算法是比较慢的:它只能在 O(n^2) 的时间内计算答案。

该朴素算法的实现如下:

vector<int> d1(n), d2(n);
for (int i = 0; i < n; i++) {
  d1[i] = 1;
  while (0 <= i - d1[i] && i + d1[i] < n && s[i - d1[i]] == s[i + d1[i]]) {
    d1[i]++;
  }

  d2[i] = 0;
  while (0 <= i - d2[i] - 1 && i + d2[i] < n &&
         s[i - d2[i] - 1] == s[i + d2[i]]) {
    d2[i]++;
  }
}

Manacher 算法

这里我们将只描述算法中寻找所有奇数长度子回文串的情况,即只计算 d_1[] ;寻找所有偶数长度子回文串的算法(即计算数组 d_2[] )将只需对奇数情况下的算法进行一些小修改。

为了快速计算,我们维护已找到的子回文串的最靠右的 边界 (l, r) (即具有最大 r 值的回文串)。初始时,我们置 l = 0r = -1

现在假设我们要对下一个 i 计算 d_1[i] ,而之前所有 d_1[] 中的值已计算完毕。我们将通过下列方式计算:

  • 如果 i 位于当前子回文串之外,即 i > r ,那么我们调用朴素算法。

    因此我们将连续地增加 d_1[i] ,同时在每一步中检查当前的子串 [i - d_1[i] \dots i + d_1[i]] 是否为一个回文串。如果我们找到了第一处对应字符不同,又或者碰到了 s 的边界,则算法停止。在两种情况下我们均已计算完 d_1[i] 。此后,仍需记得更新 (l, r)

  • 现在考虑 i \le r 的情况。我们将尝试从已计算过的 d_1[] 的值中获取一些信息。首先在子回文串 (l, r) 中反转位置 i ,即我们得到 j = l + (r - i) 。现在来考察值 d_1[j] 。因为位置 j 同位置 i 对称,我们 几乎总是 可以置 d_1[i] = d_1[j] 。该想法的图示如下(可认为以 j 为中心的回文串被“拷贝”至以 i 为中心的位置上):

    \ldots\ \overbrace{ s_l\ \ldots\ \underbrace{ s_{j-d_1[j]+1}\ \ldots\ s_j\ \ldots\ s_{j+d_1[j]-1} }_\text{palindrome}\ \ldots\ \underbrace{ s_{i-d_1[j]+1}\ \ldots\ s_i\ \ldots\ s_{i+d_1[j]-1} }_\text{palindrome}\ \ldots\ s_r }^\text{palindrome}\ \ldots

    然而有一个 棘手的情况 需要被正确处理:当“内部”的回文串到达“外部”回文串的边界时,即 j - d_1[j] + 1 \le l (或者等价的说, i + d_1[j] - 1 \ge r )。因为在“外部”回文串范围以外的对称性没有保证,因此直接置 d_1[i] = d_1[j] 将是不正确的:我们没有足够的信息来断言在位置 i 的回文串具有同样的长度。

    实际上,为了正确处理这种情况,我们应该“截断”回文串的长度,即置 d_1[i] = r - i 。之后我们将运行朴素算法以尝试尽可能增加 d_1[i] 的值。

    该种情况的图示如下(以 j 为中心的回文串已经被截断以落在“外部”回文串内):

    \ldots\ \overbrace{ \underbrace{ s_l\ \ldots\ s_j\ \ldots\ s_{j+(j-l)} }_\text{palindrome}\ \ldots\ \underbrace{ s_{i-(r-i)}\ \ldots\ s_i\ \ldots\ s_r }_\text{palindrome} }^\text{palindrome}\ \underbrace{ \ldots \ldots \ldots \ldots \ldots }_\text{try moving here}

    该图示显示出,尽管以 j 为中心的回文串可能更长,以致于超出“外部”回文串,但在位置 i ,我们只能利用其完全落在“外部”回文串内的部分。然而位置 i 的答案可能比这个值更大,因此接下来我们将运行朴素算法来尝试将其扩展至“外部”回文串之外,也即标识为 "try moving here" 的区域。

最后,仍有必要提醒的是,我们应当记得在计算完每个 d_1[i] 后更新值 (l, r)

同时,再让我们重复一遍:计算偶数长度回文串数组 d_2[] 的算法同上述计算奇数长度回文串数组 d_1[] 的算法十分类似。

Manacher 算法的复杂度

因为在计算一个特定位置的答案时我们总会运行朴素算法,所以一眼看去该算法的时间复杂度为线性的事实并不显然。

然而更仔细的分析显示出该算法具有线性复杂度。此处我们需要指出, 计算 Z 函数的算法 和该算法较为类似,并同样具有线性时间复杂度。

实际上,注意到朴素算法的每次迭代均会使 r 增加 1 ,以及 r 在算法运行过程中从不减小。这两个观察告诉我们朴素算法总共会进行 O(n) 次迭代。

Manacher 算法的另一部分显然也是线性的,因此总复杂度为 O(n)

Manacher 算法的实现

分类讨论

为了计算 d_1[] ,我们有以下代码:

vector<int> d1(n);
for (int i = 0, l = 0, r = -1; i < n; i++) {
  int k = (i > r) ? 1 : min(d1[l + r - i], r - i);
  while (0 <= i - k && i + k < n && s[i - k] == s[i + k]) {
    k++;
  }
  d1[i] = k--;
  if (i + k > r) {
    l = i - k;
    r = i + k;
  }
}

计算 d_2[] 的代码十分类似,但是在算术表达式上有些许不同:

vector<int> d2(n);
for (int i = 0, l = 0, r = -1; i < n; i++) {
  int k = (i > r) ? 0 : min(d2[l + r - i + 1], r - i + 1);
  while (0 <= i - k - 1 && i + k < n && s[i - k - 1] == s[i + k]) {
    k++;
  }
  d2[i] = k--;
  if (i + k > r) {
    l = i - k - 1;
    r = i + k;
  }
}

统一处理

虽然在讲解过程及上述实现中我们将 d_1[]d_2[] 的计算分开考虑,但实际上可以通过一个技巧将二者的计算统一为 d_1[] 的计算。

给定一个长度为 n 的字符串 s ,我们在其 n + 1 个空中插入分隔符 \# ,从而构造一个长度为 2n + 1 的字符串 s' 。举例来说,对于字符串 s = \mathtt{abababc} ,其对应的 s' = \mathtt{\#a\#b\#a\#b\#a\#b\#c\#}

对于字母间的 \# ,其实际意义为 s 中对应的“空”。而两端的 \# 则是为了实现的方便。

注意到,在对 s' 计算 d_1[] 后,对于一个位置 id_1[i] 所描述的最长的子回文串必定以 \# 结尾(若以字母结尾,由于字母两侧必定各有一个 \# ,因此可向外扩展一个得到一个更长的)。因此,对于 s 中一个以字母为中心的极大子回文串,设其长度为 m + 1 ,则其在 s' 中对应一个以相应字母为中心,长度为 2m + 3 的极大子回文串;而对于 s 中一个以空为中心的极大子回文串,设其长度为 m ,则其在 s' 中对应一个以相应表示空的 \# 为中心,长度为 2m + 1 的极大子回文串(上述两种情况下的 m 均为偶数,但该性质成立与否并不影响结论)。综合以上观察及少许计算后易得,在 s' 中, d_1[i] 表示在 s 中以对应位置为中心的极大子回文串的 总长度加一

上述结论建立了 s'd_1[]sd_1[]d_2[] 间的关系。

由于该统一处理本质上即求 s'd_1[] ,因此在得到 s' 后,代码同上节计算 d_1[] 的一样。

练习题目


本页面主要译自博文 Нахождение всех подпалиндромов 与其英文翻译版 Finding all sub-palindromes in O(N) 。其中俄文版版权协议为 Public Domain + Leave a Link;英文版版权协议为 CC-BY-SA 4.0。


评论