2021-01-21 ACM训练笔记

Day2：并查集基础

零、简介：

并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。

所谓并查集算法就是对不相交集合进行如下两种操作：

（1）检索某元素属于哪个集合；
（2）合并两个集合。

一、一种基础的并查集实现思路：

1、定义一个整型数组保存节点之间的父子关系，数组下标即为节点编号，所保存的数据即为该节点对应的父节点编号。

2、初始化：遍历数组，将所有节点的父节点设为它本身，此时，所有的树都仅包含一个节点。（也可将所有节点的父节点编号设为一个“不存在”的节点编号，例如-1。）

3、合并：当满足某种条件，某两个节点可以合并到一棵树中时，将其中一个节点所在的树（称为树A）的根节点的父节点设为另一节点所在的树（称为树B）的根节点。显然，在合并操作中，被合并的树A的深度增加了1。（通常为了保证算法的执行效率，应当尽量将较浅的树并入较深的树。）

4、若要在并查集的节点中存储其他数据，可以使用结构体数组来替换上述的整型数组，此时，每个节点的父节点编号存储在结构体的一个整型字段中。

二、基础实现代码（以整型数组为例）：

	数组定义：int fa[N+1];

	初始化，令每个节点单独成树：
	void init() { 
    	for(int i = 1; i <= n; ++i) fa[i] = i;
	}

	递归寻找节点所在树的根节点：
	int find(int x) {
    	return fa[x] == x? fa[x]: find(fa[x]);
	}

	合并两节点所在的树（不考虑性能优化）：
	void merge(int x, int y) {
    	int fx = find(x);
    	int fy = find(y);
    	if(fx != fy) fa[fx] = fy;
	}

三、优化：

按元素个数优化：为了优化合并操作，我们引入一个新的size[]整型数组，用size[i]表示以编号为i的节点为根的树的元素个数。在进行合并操作时比较两树的元素个数，将较小的树并入较大的树，并更新较大的树的元素个数。

	优化后的合并函数：
	void merge(int x, int y) {
    	int fx = find(x);
    	int fy = find(y);
    	if (fx != fy) {
        	if (size[fx] < size[fy]) {
            	fa[fx] = fy;
            	size[fy] += size[fx];
        	}else {
            	fa[fy] = fx;
            	size[fx] += size[fy];
        	}
    	}
	}

其他优化：

按秩（即树的深度）的大小进行的优化合并：其中单个元素秩定义为0；当两棵秩同为r的树联合时，他们的秩为r+1；将秩较小的树并入秩较大的树，新的树与较深的树同秩。

路径压缩：执行"查找"时扁平化树结构的方法，路径上每个节点都可以直接连接到根上。根节点查找函数find()递归地经过树，改变每一个节点的引用到根节点，得到的树更加扁平，为以后直接或者间接引用节点的操作加速。

路径压缩时的find()函数实现：
int find(int x) {
	return fa[x] == x? fa[x]: fa[x] = find(fa[x]);
}

四、时间复杂度：

并查集进行n次查找的时间复杂度是O(n )（执行n-1次合并和m≥n次查找）。其中 是一个增长极其缓慢的函数，它是阿克曼函数（Ackermann Function）的某个反函数。它可以看作是小于5的。所以可以认为并查集的时间复杂度几乎是线性的。