并查集及其应用

element	0	1	2	3	4	5	6	7	8	9
parent	0	1	2	3	4	5	6	7	8	9

现在，“并”的操作可以这样来描述：观察第一个点对(4,3)，于是先找到点4和3，发现所在组别不一样，再将点4和3的组别都变成3（当然都变成4也行，这个随意设计），然后就产生了如下的表：

element	0	1	2	3	4	5	6	7	8	9
parent	0	1	2	3	3	5	6	7	8	9

而“查”的操作其实就是“并”操作的第一步：找到点对中两个点所在的组别，看是否相同。也就是说，并查集的两类基本操作中，都涉及了“根据点找组别”的过程，因此我们先给出一个高效的“查”的算法。我把它叫做Quick-Find 算法。
例题
  输入一个图，该图由一个有着N个节点 (节点值不重复1, 2, …, N) 的树及一条附加的边构成。附加的边的两个顶点包含在1到N中间，这条附加的边不属于树中已存在的边。结果图是一个以边组成的二维数组。每一个边的元素是一对[u, v] ，满足 u < v，表示连接顶点u 和v的无向图的边。返回一条可以删去的边，使得结果图是一个有着N个节点的树。如果有多个答案，则返回二维数组中最后出现的边。答案边 [u, v] 应满足相同的格式 u < v。

class Solution {
    public int[] findRedundantConnection(int[][] edges) {
        int[] re=new int[2];
        DFS dfs=new DFS(edges.length);
        dfs.union(edges[0][0]-1,edges[0][1]-1);
        for(int i=1;i<edges.length;i++){
            if(dfs.find(edges[i][0]-1)==dfs.find(edges[i][1]-1)){
                re[0]=edges[i][0];
                re[1]=edges[i][1];
            }else{
                dfs.union(edges[i][0]-1,edges[i][1]-1);
            }
        }
        return re;
    }
}
class DFS{
    int[] parent;
    public DFS(int n){
        parent=new int[n];
        for(int i=0;i<n;i++){
            parent[i]=i;
        }
    }
    public int find(int x){
        if(parent[x]!=x){
            parent[x]=find(parent[x]);
        }
        return parent[x];
    }
    public void union(int p,int q){
        parent[find(q)]=find(p);
    }
}

此题使用并查集解决。对于同一棵树的所有节点来说，都拥有共同的祖先节点。因此，判断冗余连接的条件即为，判断新加入的边，两个节点是否有共同的祖先。
（1）如果有共同的祖先，则说明这条边是冗余的边
（2）如果没有共同的祖先，则说明这两条边并未加入树中，因此进行合并操作
循环边的记录，获取最后出现的冗余边，就是答案。