Suffix arrays and LCP arrays are one of the most fundamental data structures widely used for various kinds of string processing. We consider two problems for a read-only string of length $N$ over an integer alphabet $[1, \dots, \sigma]$ for $1 \leq \sigma \leq N$, the string contains $\sigma$ distinct characters, the construction of the suffix array, and a simultaneous construction of both the suffix array and LCP array. For the word RAM model, we propose algorithms to solve both of the problems in $O(N)$ time by using $O(1)$ extra words, which are optimal in time and space. Extra words means the required space except for the space of the input string and output suffix array and LCP array. Our contribution improves the previous most efficient algorithms, $O(N)$ time using $\sigma+O(1)$ extra words by [Nong, TOIS 2013] and $O(N \log N)$ time using $O(1)$ extra words by [Franceschini and Muthukrishnan, ICALP 2007], for constructing suffix arrays, and it improves the previous most efficient solution that runs in $O(N)$ time using $\sigma + O(1)$ extra words for constructing both suffix arrays and LCP arrays through a combination of [Nong, TOIS 2013] and [Manzini, SWAT 2004].


翻译:后缀阵列和 LCP 阵列是广泛用于各种字符串处理的最基本数据结构之一。 我们考虑两个问题, 在一个整数字母 $[11,\dots,\sgma]$$, $1\leq\sgma\leq\leqN$, 字符串包含$\sigma$ 不同字符, 后缀阵列的构建, 以及同时构建 后缀阵列和 LCP 阵列。 对于单词 RAM 模式, 我们建议用一个只读的长度字符串解决两个问题, $( N) $( N) 时间, 使用美元(1美元) 额外的单字, 在时间和空间上最优化。 额外单词意味着所需的空间, 除了输入字符串和输出后缀阵列和 LCP 阵列的空间之外。 我们的贡献改进了先前最有效的算法, $( NO) 时间, 在 [Nong, TOIS 2013] 和 $( Nlog N) 中用 额外单字, 在2007 里程中用 和 mainals 的 中用 和 美元构建前的 Orix 。

0
下载
关闭预览

相关内容

信息系统(TOIS)是一本学术期刊,在信息检索的所有领域中发表以前未发表的高质量学术文章。官网地址:http://dblp.uni-trier.de/db/journals/tois/
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
106+阅读 · 2020年5月15日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
105+阅读 · 2020年5月3日
专知会员服务
61+阅读 · 2020年3月4日
【新书】Python编程基础,669页pdf
专知会员服务
186+阅读 · 2019年10月10日
已删除
AI掘金志
7+阅读 · 2019年7月8日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
(Python)3D人脸处理工具Face3d
AI研习社
7+阅读 · 2019年2月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Revisiting CycleGAN for semi-supervised segmentation
Arxiv
3+阅读 · 2019年8月30日
Arxiv
4+阅读 · 2019年1月14日
Learning Blind Video Temporal Consistency
Arxiv
3+阅读 · 2018年8月1日
Arxiv
10+阅读 · 2018年4月19日
Arxiv
5+阅读 · 2018年1月17日
VIP会员
相关资讯
已删除
AI掘金志
7+阅读 · 2019年7月8日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
(Python)3D人脸处理工具Face3d
AI研习社
7+阅读 · 2019年2月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员