从零开始发明 AC 自动机 / P5357 【模板】AC 自动机题解

August_Light · 2024-02-12 23:05:37 · 题解

AC 自动机是一种多模字符串匹配算法。

[Luogu P5357]【模板】AC 自动机

给你一个文本串 S 和 n 个模式串 T_{1 \sim n}，请你分别求出每个模式串 T_i 在 S 中出现的次数。

下文中涉及时间复杂度的部分，n 为模式串长度之和，m 为文本串长度。

前置知识

字典树：[Luogu P8306]【模板】字典树。
KMP：[Luogu P3375]【模板】KMP（不必要，但是最好了解其思想）。
自动机（DFA）基本概念：https://oi-wiki.org/string/automaton/。
自动机五要素：
- 字符集 \Sigma。
- 状态集合 Q。
- 起始状态 start。
- 接收状态集合 F。
- 转移函数 \delta。\delta(u,c) 中 u,\delta(u,c) \in Q，c \in \Sigma。

Step 1：AC 自动机基于字典树

有多个模式串，考虑有什么简单的结构能解决多个字符串的问题。不难想到哈希和字典树。

哈希可能会碰撞，且看起来跟自动机相关理论没什么关系，很难扩展。

字典树可以视作自动机。

建立字典树时间复杂度 O(n)。

int ins(string s) {
    int u = 0;
    for (auto ch : s) {
        int c = ch - 'a';
        if (!tr[u][c])
            tr[u][c] = ++tot;
        u = tr[u][c];
    }
    return u;
}

Step 2：fail 数组的定义

多模字符串匹配是单个模式串匹配的扩展，所以考虑 KMP。

KMP 算法可以视作自动机。基于字符串 s 的 KMP 自动机接受且仅接受以 s 为后缀的字符串。

那么 AC 自动机就应该是：基于字符串 s_{1 \sim n} 的 AC 自动机接受且仅接受以 s_{1 \sim n} 任意一个为后缀的字符串。

考虑在 Trie 上定义一个类似 KMP 中 next 数组的数组。

具体地，定义 fail(u) 为 u 表示的字符串 最长的 且 出现在 Trie 上的 真后缀对应的状态。

在自动机上连上 u 与 fail(u) 的边，这条边被称为 fail 边。

从 OI-Wiki 偷一张图来解释：

灰色边为 Trie，黄色边为 fail 边。

例如此图中 9 号连到 2 号，是因为 \texttt{she} 出现在 Trie 上的最长真后缀为 \texttt{he}，即 2 号。

不难发现，这个 fail(u) 当 Trie 中只有一个模式串时，就是 KMP 的 next 数组（这里的 next 数组表示 border 长度）。

重要性质：fail 边形成一棵树。这是 KMP 的 fail 树的应用：[Luogu P5829]【模板】失配树。

Step 3：fail 如何求 & 构建 AC 自动机

自动机五要素：

字符集 \Sigma，为小写字母。
状态集合 Q，为 Trie 上的所有节点。
起始状态 start，为 Trie 的根节点 0。
接收状态集合 F，为所有模式串在 Trie 上的节点。
转移函数 \delta，下文着重讲解这一点。

以下 tr 指原字典树。

若 tr_{u,c} 存在，则 \delta(u,c) = tr_{u,c}，fail(\delta(u,c)) = \delta(fail(u),c)。

注意到 fail(\delta(u,c)) 基于 fail(u)，所以我们 BFS 求解 fail。

若 tr_{u,c} 不存在：

若 u 是根节点 0，则 \delta(u,c) = 0。
- 如果没有这一条，则 0 的儿子的 fail 会连到自身，不满足真后缀。
否则 \delta(u,c) = \delta(fail(u),c)。

最后一条的递归与 KMP 的不断跳 next 是相同的。关于这一点，我们可以看看 KMP 自动机的 \delta：

\delta(u,c) = \begin{cases} u+1 & c = s_{u+1} \\ 0 & c \ne s_{u+1} \land u = 0 \\ \delta(next(u),c) & c \ne s_{u+1} \land u \ne 0 \end{cases}

再看看 AC 自动机的 \delta：

\delta(u,c) = \begin{cases} tr_{u,c} & tr_{u,c} \text{ exists} \\ 0 & tr_{u,c} \text{ does not exist} \land u = 0 \\ \delta(fail(u),c) & tr_{u,c} \text{ does not exist} \land u \ne 0 \end{cases}

不能说十分类似，只能说是一模一样。

代码上，我们不用重新建一个自动机，直接按照 AC 自动机的 \delta 改 Trie 的结构即可。时间复杂度 O(n |\Sigma|)。

// tr 原本为字典树
void bfs() {
    queue<int> q;
    for (int c = 0; c < 26; c++)
        if (tr[0][c])
            q.push(tr[0][c]);
    while (!q.empty()) {
        int u = q.front(); q.pop();
        for (int c = 0; c < 26; c++)
            if (tr[u][c]) {
                fail[tr[u][c]] = tr[fail[u]][c];
                q.push(tr[u][c]);
            } else
                tr[u][c] = tr[fail[u]][c];
    }
}

你非要新建一个自动机也不是不行。但是空间常数大一倍，没啥意义。

// tr 为字典树
// dt 指转移函数 delta
void bfs() {
    queue<int> q;
    for (int c = 0; c < 26; c++)
        if (tr[0][c])
            q.push(dt[0][c] = tr[0][c]);
    while (!q.empty()) {
        int u = q.front(); q.pop();
        for (int c = 0; c < 26; c++)
            if (tr[u][c]) {
                dt[u][c] = tr[u][c];
                fail[dt[u][c]] = dt[fail[u]][c];
                q.push(dt[u][c]);
            } else
                dt[u][c] = dt[fail[u]][c];
    }
}
// 注意后文作匹配的时候要沿着 dt 而不是 tr

Step 4：多模字符串匹配

接下来我们就可以把文本串作为输入给到 AC 自动机。

用一个数组记录每一个节点被走过了多少次。

建出 fail 树，DFS 子树求和，保存在 sum 数组。

此时 sum_u 为 u 对应的字符串被匹配到的次数。原因是 fail 树上，若一节点匹配上了，则其祖先也必然匹配。

第 i 个模式串对应节点的子树和即为答案。

（这一段看具体代码更容易懂。）

总结 & 完整代码

建出 Trie 树，保存每个模式串在 Trie 上的位置。O(n)。
把 Trie 树改造为 AC 自动机，并求出 fail 数组，建出 fail 树。O(n |\Sigma|)。
把文本串作为输入给到 AC 自动机，在 fail 树上求和得到答案。O(m)。

空间复杂度为 O(n |\Sigma| + m)。

DFS 用了 lambda 表达式。以普通函数的形式写一个 DFS 也是没有问题的。

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;

const int MAXN = 2e5 + 5; // 模式串长度之和

int tr[MAXN][26], fail[MAXN], tot = 0;
int e[MAXN], sum[MAXN];
vector<int> G[MAXN];
int ins(string s) {
    int u = 0;
    for (auto ch : s) {
        int c = ch - 'a';
        if (!tr[u][c])
            tr[u][c] = ++tot;
        u = tr[u][c];
    }
    return u;
}
void bfs() {
    queue<int> q;
    for (int c = 0; c < 26; c++)
        if (tr[0][c])
            q.push(tr[0][c]);
    while (!q.empty()) {
        int u = q.front(); q.pop();
        for (int c = 0; c < 26; c++)
            if (tr[u][c]) {
                fail[tr[u][c]] = tr[fail[u]][c];
                q.push(tr[u][c]);
            } else
                tr[u][c] = tr[fail[u]][c];
    }
}

int main() { ios::sync_with_stdio(0); cin.tie(0);
    int n; cin >> n; for (int i = 1; i <= n; i++) {
        string s; cin >> s;
        e[i] = ins(s);
    }
    bfs();
    for (int u = 1; u <= tot; u++)
        G[fail[u]].push_back(u);

    string t; cin >> t;
    int u = 0;
    for (auto ch : t) {
        int c = ch - 'a';
        u = tr[u][c];
        sum[u]++;
    }
    auto dfs = [&](int u, auto&& self) -> void {
        for (auto v : G[u]) {
            self(v, self);
            sum[u] += sum[v];
        }
    };
    dfs(0, dfs);
    for (int i = 1; i <= n; i++)
        cout << sum[e[i]] << '\n';
    return 0;
}

从零开始发明 AC 自动机 / P5357 【模板】AC 自动机 题解