一、写在前面
\(Q\):\(AC\)自动机?是能自己\(AC\)题目的算法吗?(兴奋)
\(A\):不不不,那叫自动\(AC\)机,通过打开答案文件输出答案的一种小手段,在比赛中使用还会有禁赛三年的奖励,而\(AC\)自动机是一个字符串匹配算法。
\(AC\)自动机,全称\(Aho−Corasick\) \(automaton\),是一种用来处理字符串多模式匹配的算法。
本人将尽可能详细的解释\(AC\)自动机的算法流程(其实大部分抄的\(Oiwiki\),这是一个帮助我们共同理解的过程,毕竟作者也是个萌新。开始接受的过程可能比较困难,但多回顾几遍还是有助于理解的。
二、算法流程
前置知识:\(Trie\)树以及\(KMP\)算法的思想
什么是自动机?(粘个链接,感性理解就好,不要过于执着)
1、引例
给定 \(n\) 个模式串 \(s_i\) 和一个文本串 \(t\),求有多少个不同的模式串在文本串里出现过。两个模式串不同当且仅当他们编号不同。
2、概述
结合\(Trie\)的结构和\(KMP\)的思想建立,建立一个\(AC\)自动机主要通过两个步骤:
- 1、建立\(Trie\)树;
- 2、对\(Trie\)树上的所有结点构造失配指针
3、Trie树的构建(第一步)
这个\(Trie\)树就是普通的\(Trie\)树,该怎么建怎么建
解释一下\(Trie\)树结点的含义:表示某个模式串的前缀
后文也将称作状态。一个结点表示一个状态,\(Trie\)树的边就是状态的转移
形式化的说,对于若干个模式串 \(s_1,s_2,s_3⋅⋅⋅s_n\),将它们构建一个\(Trie\)树后的所有状态的集合记为 \(Q\)
4、失配指针(第二步)
\(AC\) 自动机利用一个 \(fail\) 指针来辅助多模式串的匹配。
状态 \(u\) 的 \(fail\) 指针指向另一个状态 \(v\) ,其中 \(v∈Q\) ,且 \(v\) 是 \(u\) 的最长后缀(即在若干个后缀状态中取最长的一个作为 \(fail\) 指针)。
注意和\(KMP\)的\(next\)指针的区别:
两者都是在失配的时候用于跳转的指针;
\(next\)指针求的是最长的\(border\)(最长的 相同的 前后缀),而\(fail\)指针指向所有模式串的前缀中匹配当前状态的最长后缀。
因为 \(KMP\) 只对一个模式串做匹配,而 \(AC\) 自动机要对多个模式串做匹配。有可能 \(fail\) 指针指向的结点对应着另一个模式串,两者前缀不同。但是另一个模式串的前缀一定是这个模式串到这里的一个后缀。
\(AC\) 自动机在做匹配时,同一位上可匹配多个模式串。
5、构建失配指针
(可以参考\(KMP\)中构建\(next\)指针的思想)
考虑更新 \(fail_u\),\(u\) 的父节点是 \(p\) , \(p\) 通过字符 \(c\) 的边指向 \(u\) ,即 \(tr[p][c]=u\) 。假设深度小于 \(u\) 的所有结点的 \(fail\) 指针均已求得。
如果 \(tr[fail_p][c]\) 存在:则让 \(fail_u\) 指向 \(tr[fail_p][c]\) 。相当于在 \(p\) 和 \(fail\) 后面加一个字符 \(c\) ,分别对应 \(u\) 和 \(fail_u\) 。
如果 \(tr[fail_p][c]\) 不存在:那么我们继续找到 \(tr[fail_p (fail_p)][c]\) 。重复 \(1\) 的判断过程,一直跳 \(fail_u\) 指针指到根结点。
如果真的没有,就让 \(fail_u\) 指针指向根结点。
举个例子,对字符串 \(i, he, his, she, hers\) 组成的字典树构建 \(fail\) 指针:
给张图,其中黄色点表示当前结点 \(u\),绿色点表示已经 \(bfs\) 完成的点,橙边是 \(fail\) 指针,红边是当前求出的 \(fail\) 指针。
重点分析一下\(6\)的构建
通过瞪眼法不难看出 \(fail[6]\) 应该指向结点 \(7\)。
分析一下算法流程,找到 \(6\) 的父节点 \(5\),\(fail[5]=10\) 然而没有 \(s\) 的出边,所以继续跳 \(fail\) 指针,\(fail[10]=0\),发现 \(0\) 有 \(s\) 的出边并指向 \(7\),所以 \(fail[6]=7\)。
全部建完后的图是这样的:
这样就完成\(fail\)的构建,并得到一份比较暴力的构建方式,我们来看优化。
6、字典树和字典图
先来看构建函数 \(build()\) ,该函数的目标有两个,一个是构建 \(fail\) 指针,一个是构建自动机。
void build(){
for(int i = 0; i < 26; ++i)
if(tr[0][i]) q.push(tr[0][i]);
// tr[0][i] 都指向 0 结点,所以不用赋初值
//如果存在这个边就入队
while(!q.empty()){
int u = q.front();
q.pop();
for(int i = 0; i < 26; ++i){
if(tr[u][i]) {
fail[tr[u][i]] = tr[fail[u]][i];
q.push(tr[u][i]);
}
//按照上面所说的方式更新fail指针
else tr[u][i] = tr[fail[u]][i];
//这是那个优化,后面会讲
}
}
}
我们是通过 \(bfs\) 构建 \(fail\) 指针的,而 \(fail\) 指针一定是由深度深的点指向深度浅的点。
我们由已经构建完成的点去构建未构建的点,假设我们当前的已经构建完成的一个状态是 \(u\),通过字符 \(i\) 指向下一个状态。
- 如果存在下一个状态 \(tr[u][i]\),那么就让 \(fail[tr[u][i]]\) 指向 \(tr[fail[u]][i]\)。
正确性应该比较显然,如果 \(u\) 失配了会指向 \(fail[u]\),那么在 \(u\) 后面接了一个状态 \(i\) 后再失配就应该指向 \(fail[u]\) 在后面接一个状态 \(i\) 在失配的位置。
那如果没有这个位置怎么办?\(fail[u]\) 的深度一定比 \(u\) 的深度浅,所以它已经被处理完了,如果 \(tr[fail[u]][i]\) 有值,那么要么是它在 \(fail[u]\) 的模式串下在后面接一个字符 \(i\),要么是在 \(fail[fail[u]]\) 的模式串下在后面接一个字符 \(i\),...。不断这么递归,就算最终也没有,那也只能说明指向了根节点,并不影响正确性。
- 如果不存在下一个状态 \(tr[u][i]\),我们让它指向 \(tr[fail[u]][i]\),就是为了保证上面第一种情况的正确性。并且通过这步操作,我们可以在匹配的过程中自动跳 \(fail\) 指针,不必再单独进行判断。
原来的构建方法可以通过 \(while\) 循环寻找 \(fail\) 结点实现,循环太多次导致复杂度太高。
上面提到的优化就是通过\(else\)语句的代码修改了字典树的结构。
而它将不存在的字典树状态链连接到失配指针的对应状态。使得再次遍历这里的时候会继续向下跳转,起到一个通过继续开链来压缩路径的效果,这样就能节省很多时间。
这样 \(AC\) 自动机修改字典树结构连出的边就会使字典树变为字典图(\(Trie\)图)。
像并查集一样搞一个路径压缩,这就是\(Trie\)图的本质~
如果有人想看更杂乱更加形象的图的话:
其中:
- 蓝色结点:\(BFS\) 遍历到的结点 \(u\)
- 蓝色的边:当前结点下,\(AC\) 自动机修改字典树结构连出的边。
- 黑色的边:\(AC\) 自动机修改字典树结构连出的边。
- 红色的边:当前结点求出的 \(fail\) 指针
- 黄色的边:\(fail\) 指针
- 灰色的边:字典树的边
可以发现,众多交错的黑色边将字典树变成了 字典图。图中省略了连向根结点的黑边(否则会更乱)。我们重点分析一下结点 \(5\) 遍历时的情况。我们求 \(tr[5][s]\) 的 \(fail\) 指针:
本来的策略是找 \(fail\) 指针,于是我们跳到 \(fail[5]=10\) 发现没有 \(s\) 连出的字典树的边,于是跳到 \(fail[10]=0\),发现有 \(tr[0][s]=7\) ,于是 \(fail[6]=7\) ;但是有了黑边、蓝边,我们跳到 \(fail[5]=10\) 之后直接走 \(tr[10][s]=7\) 就走到 \(7\) 号结点了。
这就是 \(build\) 完成的两件事:构建 \(fail\) 指针和建立字典图。这个字典图也会在查询的时候起到关键作用。
在贴一个最终状态的图。这张图真是令人作呕
7、多模式匹配
(这只是对于引例的\(query\)函数,具体题目的函数写法可能不太相同)
int query(char *t){
int u = 0, res = 0;
for(int i = 1; t[i]; ++i){
u = tr[u][t[i] - 'a'];
for(int j = u; j && e[j] != -1; j = fail[j])
res += e[j], e[j] = -1;
}
return res;
}
这里 \(u\) 作为字典树上当前匹配到的结点, \(res\) 即返回的答案。循环遍历匹配串, \(u\) 在字典树上跟踪当前字符。利用 \(fail\) 指针找出所有匹配的模式串,累加到答案中。然后清零。对 \(cnt[j]\) 取反的操作用来判断 \(cnt[j]\) 是否等于 \(−1\)。在上文中我们分析过,字典树的结构其实就是一个 \(trans\) 函数,而构建好这个函数后,在匹配字符串的过程中,我们会舍弃部分前缀达到最低限度的匹配。\(fail\) 指针则指向了更多的匹配状态。
更加形象的匹配过程:
其中:
- 红色结点: \(p\) 结点
- 粉色箭头: \(p\) 在自动机上的跳转,
- 蓝色的边:成功匹配的模式串
- 蓝色结点:示跳 \(fail\) 指针时的结点(状态)。
三、例题
P3808【模板】AC自动机(简单版)
P3796【模板】AC自动机加强版
P5357【模板】AC自动机(二次加强版)
\(AcWing\) \(1282\). 搜索关键词
\(AcWing\) \(1285\). 单词
P2444[POI2000]病毒(Tire图上找环)
https://www.luogu.com.cn/problem/P2444
其它例题
P5231 [JSOI2012]玄武密码
P2292 [HNOI2004]L语言
P3121 [USACO15FEB]Censoring G
P3311 [SDOI2014] 数数 AC 自动机 + 数位 DP
CF163E e-Government AC 自动机 + 线段树
P7582 「RdOI R2」风雨(rain) 比 CF163E 更恶心
P2414 [NOI2011] 阿狸的打字机
四、写在最后
如有不懂或错误烦请指出,我会在最快的时间处理。
最后,屑题单求收藏qwq
https://www.luogu.com.cn/training/78259#problems