并查集（Union Find）简介

并查集

在一些有N个元素的集合应用问题中，通常是在开始时让每个元素构成一个单元素的集合，然后按照一定顺序将属于同一组元素所在的集合合并，期间要反复查找一个元素在哪一个集合中。其特点是看似“不复杂”，但当数据量较大时，如果用一般的数据结构来描述，往往在空间上过大，计算机无法承受；即使在空间上勉强通过，运行的时间复杂度也极高。因此可以用并查集来优化。

---

并查集是一种树型的数据结构，用于处理不相交集合（disjoint sets）的合并以及查询问题。在使用中可以想成森林来操作。

基本操作

并查集主要有两个操作：查找和合并。在并查集中，设置一个father[i]数组，表示元素i的父亲。

1.查找一个元素的祖先，也就是查找这个元素所在的树的根

朴素的做法是递归的，一直查找到其父亲等于自己的元素，这个结点即为该树的根。这种方法一旦数据量较大（存在长链），每次查找几乎是O(n)的复杂度，效率不高。对此要进行一种操作，即路径压缩。找到最久远的祖先时顺便把它的子孙直接连接到它的直接孩子处，这样就避免了树的结构退化，从而提高效率。

路径压缩出发点：尽量直接指向根节点，而不是向上慢慢走

int getfather(int x)
{
    if(father[x]!=x) return father[x]=getfather(father[x]);
    return father[x];
}

2.将两个不相交的集合合并，此类操作相当于两棵树的合并

直接找到两个结点的树根，看是否相同，不同合并即可。

void Union(int x,int y)
{
    int fx=getfather(x);
    int fy=getfather(y);
    if(fx!=fy){
        father[fx]=fy;
    }
}

还有一种优化是按秩合并，不过貌似优化程度不大（下面那道模板题）(研究过的还请评论指教)

void Merge(int x,int y)
{
    //有按秩启发式合并
    int a=Find(x);
    int b=Find(y);
    if(Rank[a]<Rank[b]){
        father[a]=b;
    }
    else{
        father[b]=a;
        if(Rank[b]==Rank[a]) Rank[a]++;
    }
}

模板题(洛谷3367)

#include<bits/stdc++.h>
using namespace std;
const int maxn=100010;

int father[maxn];
int Rank[maxn];

void init(int n)
{
    for(int i=1;i<=n;++i) father[i]=i;
}


//int Find(int x)
//{
//    //没有路径压缩
//    while(father[x]!=x) x=father[x];
//    return x;
//}


int Find(int x)
{
    //有路径压缩
    return father[x] = father[x]==x ? x : Find(father[x]);
}


//void Merge(int x,int y)
//{
//    //没有按秩启发式合并
//    int fx=Find(x);
//    int fy=Find(y);
//    if(fx!=fy){
//        father[fx]=fy;
//    }
//}


void Merge(int x,int y)
{
    //有按秩启发式合并
    int a=Find(x);
    int b=Find(y);
    if(Rank[a]<Rank[b]){
        father[a]=b;
    }
    else{
        father[b]=a;
        if(Rank[b]==Rank[a]) Rank[a]++;
    }
}

int main()
{
    ios::sync_with_stdio(false);
    //freopen("ce.in","r",stdin);
    int n,m,tp,x,y;
    cin>>n>>m;
    init(n);
    for(int i=0;i<m;++i){
        cin>>tp>>x>>y;
        if(tp==1){
            Merge(x,y);
        }
        else{
            if(Find(x)==Find(y)) cout<<'Y'<<endl;
            //fastIO::print('Y');
            else cout<<'N'<<endl;
            //fastIO::print('N');
        }
    }
    return 0;
}

优化Kruskal算法

Kruskal算法关键的一步操作就是判断连接的两个节点于图Graph中在不在同一个连通分量中
这里并查集就可以大展身手了

//部分代码示例
int parent[maxm];

int Find(int f)//查找连线顶点的尾部下标
{
    return parent[f]!=f?parent[f]=Find(parent[f]):f;
}

void MiniSpanTree_Kruskal()
{
    int sum=0;
    int nn,mm;
    for(int i=0;i<G.numVertexes;++i)
        parent[i]=i;//初始化数组值为i
    for(int i=0;i<G.numEdges;++i){//循环每一条边
        nn=Find(G.xiang[i].beg);
        mm=Find(G.xiang[i].endd);
        if(nn!=mm){//假如n与m不等，说明此边没有与现有生成树形成环路
            parent[nn]=mm;//将此边的结尾顶点放入下标为起点的parent中
            //表示此顶点已经在生成树集合中
            //printf("(%d,%d) %d",G.xiang[i].beg,G.xiang[i].endd,G.xiang[i].weight);
            sum+=G.xiang[i].weight;
        }
    }
    cout<<sum<<endl;
}