Union and Find（并查集）

The Functionality

有时候，我们需要把相似的元素 group到一起。而每一组的元素是没有区别的，i.e. evey member of a group can be a representative （怎么感觉和数学里面的 quotient set串戏了）。举个例子：
Odd = {1,3,5,…}
Even = {2,4,6…}
在这里面，Odd的 representative可以是任何奇数。
如果我们用一颗颗tree来表示这些元素，那就差不多是 Union-and-Find Forest了。
在这里插入图片描述
Union-Find Data Structure 的操作有：

1. Find(x): returns the root / cluster-id of the element x
2. Union(x, y): merge two clusters / trees

Complexity Analysis

显然，如果我们只是单纯地把元素一个一个像吃烧烤一样串起来，Find(x)的复杂度将是 O(n)。但是如果我们采用两种优化办法，则可以达到均摊复杂度 O(1) *

1. Path Compression: make the tree flat.
2. Union by rank: merge the cluster with lower rank to the higher one.

具体来说， path compression就是在 call Find(x)的时候，顺便将元素的 parent改为 root。上图如果使用 Find(8)，就会将 8的 parent改为1.
Union by rank的目的也是为了尽可能减小 Find的耗时。Ranks 可以看做是对混乱度的一个measure

Pseudo Code

class UnionFindSet {
	function UnionFindSet(n) {
		parents = [1,2,...,n]
		ranks = [0,...0] (n zeros)
		}
	
	function Find(x) {
		if (x!= parents[x] ) {
			parents[x] = Find(parents[x]) 
			}
		return parents[x]
	}
	
	function Union(x, y) {
		px, py = Find(x), Find(y)
		if (ranks[px] > ranks[py]) parents[py] = px
		if (ranks[py] > ranks[px]) parents[px] = py
		//