Disjoint set(并查集) data structure

不相交集合（disjoint-set datastructure）数据结构又被称为并查集（union-find data structure）数据结构。 

涉及到将n 个不同的元素分成一组不相交的子集合（disjoint subset）。  所谓的不相交（disjoint）， 又被称为nonoverlapping subset。 并查集（亦称为不相交集合） support 2个重要的operations：

 （1）Find (x)操作： 寻找给定的元素属于哪一个（唯一的）子集合。 这个Find 操作的返回的含有x的子集合S中 一个能够代表这个子集合S的item(一般是S的最小的成员)。 我们可以通过比较2个Find 操作， 即find(x) 和 find(y) 来比较x 和 y 是否在同一个子集合中。

（2）Union 操作： 将两个subset 合并成一个更大的subset。

除了上述的两个操作， 还有一个操作叫做makeSet(x), 该操作的作用是建立一个新的集合， 它的唯一的成员（因而为代表）是x。因为各个集合是不相交的， 所以x 不会出现在别的集合中。

具有上述三个重要的关于并查集合的操作， 那么众多的partition problem 都能够得到解决。

创建一个disjoint-set data structure 的最简单的方法就是对于每一个set, 我们用linked list 实现它。 每一个list  的head 的element  作为代表代表着这个list（当然也就是代表着这个subset）。 

 makeSet 操作就是创建一个具有one element的 list 。 Union 操作就是将2个list 合并称为一个list。 这是一个时间复杂度为O（1）的操作（constant-time operation）。

然而使用链表去实现每一个子集合的缺点就是导致Find 操作的时间复杂度为O（n）。 

不相交集合森林（disjoint-set forests）

所谓的Disjoint-set forest, 就是将每一个set 用树结构（tree data structure）（不一定是二叉树， 也可能是多叉树） 实现（represented。 树的每一个节点都holds a reference to its parrent node。 这是由 Bernard A. Galler and Michael J. Fischer 在1964年发明的。

在disjoint-set forest中， 每一个set 的representative 就是由这个set而创建起来的树的根节点， Find 操作 是沿着parent nodes， 直至到达the root。 Union 是将一棵树的根节点和另一棵树的根节点合并起来。 组成一棵更大的树。

相关的操作的实现过程如下：

上面使用树， 树的每个成员均指向它的父节点， 且每棵树根是这棵树的代表， 并且是其自己的父节点。 但是使用树的这种表示的 直接算法并不比使用链表 的直接算法快， 因为我们建的树的结构 是一棵高度不平衡（highly unbalanced）的树，  但是通过引入两种启发式的策略（“按秩合并”（Union by rank） 和 “路径压缩”（path compression））, 我们可以得到一种渐进最优的 不相交集合 数据结构。

（1）策略一： 按秩合并(Union by rank)

这个方法是将一棵较小树（即节点数少）的根结点 连接到 具有较大的树的根节点上（attach the smaller tree to the root of the larger tree）。  因为影响各个操作（算法）的是树的深度， 所以将较小的树添加到更深的树的根上 并不会增加秩除非这两个数的深度相同（秩会增加1）。

之所以使用“秩”这个术语而不是用“深度”， 是因为如果同时使用了路径压缩的策略， 秩 将不会与高度相同。 氮元素的秩 定义为0。 两棵秩同为r 的树合并为一个大树的时候， 他们的秩为r + 1. 只使用按秩合并这个策略， 将会使得makeSet 和 Union 以及 Find 操作的最坏情况下的时间复杂度为O（logn）。 优化后的makeSet 和 Union 的伪代码如下：

第二个优化算法被称为“路径压缩”。 这个优化策略是， 每当我们对树结构执行Find操作的时候， 我们就使用路径压缩策略对flattening the structure of the tree 。 关键是在路径上的每个节点都可以直接连接到根上。 为了达到扁平化树结构的效果， Find 向上递归的traverse树， 改变每一个节点的引用（parent Reference）到根节点（）root。 最终我们会得带一个much flatter 的树。 对以后直接或者间接的引用这些节点加速。  改进后的Find操作如下：

 

关于Union-Find data structure 的实现

实现算法代码如下：

例如， 具体的， 如下：