AC自动机
来源:互联网 发布:2017年海关进出口数据 编辑:程序博客网 时间:2024/05/09 17:22
首先简要介绍一下AC自动机:Aho-Corasick automation,该算法在1975年产生于贝尔实验室,是著名的多模匹配算法之一。一个常见的例子就是给出n个单词,再给出一段包含m个字符的文章,让你找出有多少个单词在文章里出现过。要搞懂AC自动机,先得有字典树Trie和KMP模式匹配算法的基础知识。KMP算法是单模式串的字符匹配算法,AC自动机是多模式串的字符匹配算法。
AC自动机的构造:
1.构造一棵Trie,作为AC自动机的搜索数据结构。
2.构造fail指针,使当前字符失配时跳转到具有最长公共前后缀的字符继续匹配。如同 KMP算法一样, AC自动机在匹配时如果当前字符匹配失败,那么利用fail指针进行跳转。由此可知如果跳转,跳转后的串的前缀,必为跳转前的模式串的后缀并且跳转的新位置的深度(匹配字符个数)一定小于跳之前的节点。所以我们可以利用 bfs在 Trie上面进行 fail指针的求解。
3.扫描主串进行匹配。
AC自动机详讲:
我们给出5个单词,say,she,shr,he,her。给定字符串为yasherhs。问多少个单词在字符串中出现过。
一、Trie
首先我们需要建立一棵Trie。但是这棵Trie不是普通的Trie,而是带有一些特殊的性质。
首先会有3个重要的指针,分别为p, p->fail, temp。
1.指针p,指向当前匹配的字符。若p指向root,表示当前匹配的字符序列为空。(root是Trie入口,没有实际含义)。
2.指针p->fail,p的失败指针,指向与字符p相同的结点,若没有,则指向root。
3.指针temp,测试指针(自己命名的,容易理解!~),在建立fail指针时有寻找与p字符匹配的结点的作用,在扫描时作用最大,也最不好理解。
对于Trie树中的一个节点,对应一个序列s[1...m]。此时,p指向字符s[m]。若在下一个字符处失配,即p->next[s[m+1]] == NULL,则由失配指针跳到另一个节点(p->fail)处,该节点对应的序列为s[i...m]。若继续失配,则序列依次跳转直到序列为空或出现匹配。在此过程中,p的值一直在变化,但是p对应节点的字符没有发生变化。在此过程中,我们观察可知,最终求得得序列s则为最长公共后缀。另外,由于这个序列是从root开始到某一节点,则说明这个序列有可能是某些序列的前缀。
再次讨论p指针转移的意义。如果p指针在某一字符s[m+1]处失配(即p->next[s[m+1]] == NULL),则说明没有单词s[1...m+1]存在。此时,如果p的失配指针指向root,则说明当前序列的任意后缀不会是某个单词的前缀。如果p的失配指针不指向root,则说明序列s[i...m]是某一单词的前缀,于是跳转到p的失配指针,以s[i...m]为前缀继续匹配s[m+1]。
对于已经得到的序列s[1...m],由于s[i...m]可能是某单词的后缀,s[1...j]可能是某单词的前缀,所以s[1...m]中可能会出现单词。此时,p指向已匹配的字符,不能动。于是,令temp = p,然后依次测试s[1...m], s[i...m]是否是单词。
构造的Trie为:
二、构造失败指针
用BFS来构造失败指针,与KMP算法相似的思想。
首先,root入队,第1次循环时处理与root相连的字符,也就是各个单词的第一个字符h和s,因为第一个字符不匹配需要重新匹配,所以第一个字符都指向root(root是Trie入口,没有实际含义)失败指针的指向对应下图中的(1),(2)两条虚线;第2次进入循环后,从队列中先弹出h,接下来p指向h节点的fail指针指向的节点,也就是root;p=p->fail也就是p=NULL说明匹配序列为空,则把节点e的fail指针指向root表示没有匹配序列,对应图-2中的(3),然后节点e进入队列;第3次循环时,弹出的第一个节点a的操作与上一步操作的节点e相同,把a的fail指针指向root,对应图-2中的(4),并入队;第4次进入循环时,弹出节点h(图中左边那个),这时操作略有不同。由于p->next[i]!=NULL(root有h这个儿子节点,图中右边那个),这样便把左边那个h节点的失败指针指向右边那个root的儿子节点h,对应图-2中的(5),然后h入队。以此类推:在循环结束后,所有的失败指针就是图-2中的这种形式。
三、扫描
构造好Trie和失败指针后,我们就可以对主串进行扫描了。这个过程和KMP算法很类似,但是也有一定的区别,主要是因为AC自动机处理的是多串模式,需要防止遗漏某个单词,所以引入temp指针。
匹配过程分两种情况:(1)当前字符匹配,表示从当前节点沿着树边有一条路径可以到达目标字符,此时只需沿该路径走向下一个节点继续匹配即可,目标字符串指针移向下个字符继续匹配;(2)当前字符不匹配,则去当前节点失败指针所指向的字符继续匹配,匹配过程随着指针指向root结束。重复这2个过程中的任意一个,直到模式串走到结尾为止。
对照上图,看一下模式匹配这个详细的流程,其中模式串为yasherhs。对于i=0,1。Trie中没有对应的路径,故不做任何操作;i=2,3,4时,指针p走到左下节点e。因为节点e的count信息为1,所以cnt+1,并且讲节点e的count值设置为-1,表示改单词已经出现过了,防止重复计数,最后temp指向e节点的失败指针所指向的节点继续查找,以此类推,最后temp指向root,退出while循环,这个过程中count增加了2。表示找到了2个单词she和he。当i=5时,程序进入第5行,p指向其失败指针的节点,也就是右边那个e节点,随后在第6行指向r节点,r节点的count值为1,从而count+1,循环直到temp指向root为止。最后i=6,7时,找不到任何匹配,匹配过程结束。
到此,AC自动机入门知识就讲完了。HDU 2222入门题必须果断A掉。
RE代码存档:
1 #include<iostream> 2 #include<queue> 3 #include<cstring> 4 #include<cstdio> 5 using namespace std; 6 struct node { 7 node *fail; 8 node *next[26]; 9 int count;10 node() {11 fail=NULL;12 count=0;13 for(int i=0;i<26;i++)14 next[i]=NULL;15 }16 }*q[500011];17 node *root;18 int head,tail;19 char keyword[51],str[1000011];20 void insert(char *str) {21 node *p=root;22 int i=0,index,len=strlen(str);23 for(int i=0;i<len;i++) {24 index=str[i]-'a';25 if(p->next[index]==NULL)26 p->next[index]=new node();27 p=p->next[index];28 }29 p->count++;30 }31 void build_ac_automation() {32 q[tail++]=root;33 while(head!=tail) {34 node *p=q[head++];35 node *tmp=NULL;36 for(int i=0; i<26; i++) {37 if(p->next[i]!=NULL) {38 if(p==root) p->next[i]->fail=root;39 else {40 tmp=p->fail;41 while(tmp!=NULL) {42 if(tmp->next[i]!=NULL) {43 p->next[i]->fail=tmp->next[i];44 break;45 }46 tmp=tmp->fail;47 }48 if(tmp==NULL) p->next[i]->fail=root;49 }50 q[tail++]=p->next[i];51 }52 }53 }54 }55 int query() {56 int i=0,cnt=0,len=strlen(str),index;57 node *p=root;58 for(int i=0;i<len;i++) {59 index=str[i]-'a';60 while(p->next[i]==NULL && p!=root) 61 p=p->fail;62 p=p->next[index];63 if(p==NULL) 64 p=root;65 node *tmp=p;66 while(tmp!=root && tmp->count!=-1) {67 cnt+=tmp->count;68 tmp->count=-1;69 tmp=tmp->fail;70 }71 }72 return cnt;73 }74 int main() {75 int n,t;76 scanf("%d",&t);77 while(t--) {78 head=tail=0;79 root=new node();80 scanf("%d",&n);81 getchar();82 for(int i=0;i<n;i++){83 gets(keyword);84 insert(keyword);85 }86 build_ac_automation();87 scanf("%s", str);88 printf("%d\n",query());89 }90 return 0;91 }
AC代码存档:
1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 #include<string> 5 using namespace std; 6 #define N 500010 7 char str[1000010], keyword[51]; 8 int head, tail; 9 10 struct node 11 { 12 node *fail; 13 node *next[26]; 14 int count; 15 node() //init 16 { 17 fail = NULL; 18 count = 0; 19 for(int i = 0; i < 26; ++i) 20 next[i] = NULL; 21 } 22 }*q[N]; 23 node *root; 24 25 void insert(char *str) //建立Trie 26 { 27 int temp, len; 28 node *p = root; 29 len = strlen(str); 30 for(int i = 0; i < len; ++i) 31 { 32 temp = str[i] - 'a'; 33 if(p->next[temp] == NULL) 34 p->next[temp] = new node(); 35 p = p->next[temp]; 36 } 37 p->count++; 38 } 39 40 void build_ac() //初始化fail指针,BFS 41 { 42 q[tail++] = root; 43 while(head != tail) 44 { 45 node *p = q[head++]; //弹出队头 46 node *temp = NULL; 47 for(int i = 0; i < 26; ++i) 48 { 49 if(p->next[i] != NULL) 50 { 51 if(p == root) //第一个元素fail必指向根 52 p->next[i]->fail = root; 53 else 54 { 55 temp = p->fail; //失败指针 56 while(temp != NULL) //2种情况结束:匹配为空or找到匹配 57 { 58 if(temp->next[i] != NULL) //找到匹配 59 { 60 p->next[i]->fail = temp->next[i]; 61 break; 62 } 63 temp = temp->fail; 64 } 65 if(temp == NULL) //为空则从头匹配 66 p->next[i]->fail = root; 67 } 68 q[tail++] = p->next[i]; //入队 69 } 70 } 71 } 72 } 73 74 int query() //扫描 75 { 76 int index, len, result; 77 node *p = root; //Tire入口 78 result = 0; 79 len = strlen(str); 80 for(int i = 0; i < len; ++i) 81 { 82 index = str[i] - 'a'; 83 while(p->next[index] == NULL && p != root) //跳转失败指针 84 p = p->fail; 85 p = p->next[index]; 86 if(p == NULL) 87 p = root; 88 node *temp = p; //p不动,temp计算后缀串 89 while(temp != root && temp->count != -1) 90 { 91 result += temp->count; 92 temp->count = -1; 93 temp = temp->fail; 94 } 95 } 96 return result; 97 } 98 99 int main()100 {101 int ncase, num;102 scanf("%d", &ncase);103 while(ncase--)104 {105 head= tail = 0;106 root = new node();107 scanf("%d", &num);108 getchar();109 for(int i = 0; i < num; ++i)110 {111 gets(keyword);112 insert(keyword);113 }114 build_ac();115 scanf("%s", str);116 printf("%d\n", query());117 }118 return 0;119 }
还望哪位大神给我指点一下,两份代码有哪里不一样
- AC自动机...
- AC自动机
- AC 自动机
- AC自动机
- AC自动机
- ac自动机
- ac自动机
- AC自动机
- AC自动机
- AC自动机
- AC自动机
- AC自动机
- AC 自动机
- ac自动机
- AC自动机
- AC自动机
- AC自动机
- AC自动机
- 2017年 1月 15日 指针 学习整理
- 主席树 学习整理
- 自定义仪表盘形状的View
- 字典树
- UVALive 3679 Pitcher Rotation(DP)
- AC自动机
- SmartFoxServer 2X平台堆栈
- POJ 3159 Candies
- java 内存分配
- POJ 1988 Cube Stacking
- [nRF52832] 外设篇 | 实验一 LED 灯 及 BUTTON 按键
- COdevs 1540 银河英雄传说
- Cocos-Js准备(四)-面向对象
- COdevs 1074 食物链