我正在寻找一种快速suffix-array构造算法。我对实现的简易性和原始速度比渐近复杂性更感兴趣（我知道后缀数组可以在O（n）时间内通过后缀树构造，但是需要很多空间;显然其他算法都有糟糕的最糟糕的大O复杂性，但在实践中运行得相当快）。我不介意生成LCP阵列作为副产品的算法，因为我无论如何都需要一个用于我自己的目的。
我找到了taxonomy of various suffix array construction algorithms，但它已经过时了。我听说过SA-IS，qsufsort和BPR，但我真的不知道它们如何相互比较，也没有更好的算法。考虑到后缀阵列字段现在看起来有多热，我希望其他一些算法在发布之后已经取代了那些算法。我好像回忆起一篇描述一种叫做“分裂”的快速算法的论文，但我现在找不到它。
那么，目前最先进的技术是什么？理想情况下，我想要一份当前最佳算法的简短列表（如果可能的话，还有链接），并快速概述它们的相对优势和劣势。
答案 0 :(得分：42)
目前，Yuta Mori提供的最好的Suffix-Array构造函数是LibDivSufSort： http://code.google.com/p/libdivsufsort/
它使用诱导排序方法（基本上，在排序所有以“A *”开头的字符串后，您可以引出字符串“BA *”“CA *”“DA *”等的排序。）
它因其效率和对退化病例的良好处理而无处不在。它也是最快的，并使用最佳内存量（5N）。许可证是不显眼的，因此该算法被集成到其他几个程序中，例如Ilya Grebnov的libbsc压缩库。 http://libbsc.com/default.aspx
为了便于比较，您将在此页面找到链接的后缀阵列压缩基准测试： http://code.google.com/p/libdivsufsort/wiki/SACA_Benchmarks 和这个页面 http://homepage3.nifty.com/wpage/benchmark/index.html
基准测试还列出了许多其他有价值的SACA实施。 然而，出于许可和效率原因，我建议其中包括libdivsufsort。
编辑：显然，据说MSufsort即将推向版本4，并且应该比Divsufsort快得多。如果这是对的，它将成为新的SACA冠军。但是，我们还没有发布日期，这将是alpha内容。因此，如果您现在需要经过验证的实现，libdivsufsort仍然是最佳选择。
另请注意，这些“最佳SACA实现”并未使用“一种构造算法”，而是结合了多种优化技巧，这使得难以总结。
答案 1 :(得分：10)
http://code.google.com/p/libdivsufsort/source/browse/wiki/SACA_Benchmarks.wiki提供了您想要的最快算法列表。
在上述基准测试中，kvark的实施是大多数情况下最快的。您可以在http://www.kvatom.com/archon上找到代码。libdivsufsort是IT算法和Induced Sorting后期处理的组合。选择后缀的子集就像诱导排序算法一样，但不是通过诱导排序递归求解，而是按IT的算法进行排序。
libdivsufsort和kvark的实现都基于IT的算法。
KA的算法类似于IT的算法，它出现在99.它们都将后缀分为两类：S型或L型。如果第i个后缀小于第（i + 1）个后缀，它是S型;否则它是类型L.在对所有类型S后缀进行排序后，我们可以推导出所有类型L后缀的顺序，然后我们就完成了。
KA算法与IT算法的区别在于：KA使用递归对子字符串进行排序，而IT的算法则采用Multikey Quicksort / MSD /插入排序。
答案 2 :(得分：2)
你可以看一下：
快速浏览后缀数组和压缩后缀数组 R Grossi - 理论计算机科学，2011
可能新的后缀数组算法不再以您想象的速度开发。为了处于最前沿，我建议查看与后缀数组一起使用的数据结构，并查看关于后缀数组相关数学的论文：Schürmann，Munro，He等