本文介绍了树和二叉树的基础概念，重点讲解了并查集的两种优化方法——路径压缩和秩合并。同时涵盖了图的存储结构（邻接矩阵和邻接表），以及深度优先搜索(DFS)和广度优先搜索(BFS)等图遍历算法。此外，还涉及了拓扑排序、最短路径和Prim算法、Kruskal算法在解决最优化问题中的应用，特别强调了它们在稠密图和稀疏图场景下的适用性。
树
树和二叉树的应用
并查集
Father[]；判断两节点是否处于同一集合，高效地对集合进行合并；
优化：
（1）路径压缩：在Find(x)找代表元时，把x到代表元路径上的所有结点的父亲都改成代表元；
（2）按秩合并：“秩”，理解为对高度的估计；由于路径压缩时高度的减少很难计算（我也不知道为啥），所以只保存高度的上界（曾经最大高度），即“秩”；秩以相反数形式保存在father[代表元]中；注意并查集一般从1开始计数，若要用0，把father数组初值设为-1，且find中递归条件设置成<=-1；
图
图的存储结构
邻接矩阵
邻接表
图的遍历
DFS
BFS
拓扑排序与关键路径
最短路径
最小支撑树
Prim算法
S[v], Lowcost[v], pre[v]；在集合V-S中选Lowcost值最低的点加入集合S，更新V-S中剩余点的Lowcost值，pre值；直到所有点在S中；
Prim算法更适合稠密图；
Kruskal算法
边集E[]，并查集Father[]；对边集排序，每次取权值最小的边，若该边的两端点不在同一集合内（不形成环）则把该边加入最小支撑树；
Kruskal算法更适合稀疏图；
7370
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
