【算法与数据结构】之并查集

并查集 Union Find

并查集是一种很不一样的树形结构。常用来解决 连接问题。

并查集的操作，时间复杂度近乎是O（1）的。（指的是路径压缩后的并查集）

并查集主要支持两个操作：
union（p,q）:将p和q合并在一起
find（p）：查找p在哪个组中
因此，并查集可以用来回答一个问题： isConnected(p,q) （判断p和q是否在同一个组中，是否连接在一起）

 

QuickUnion及优化方法

常规思路的 QuickUnion中，union操作的复杂度是O（n），find操作的复杂度是O（1），这是因为：

• find（p)操作：只需返回p对应的组号即可
• union(p,q)操作：需要将p和q两个组所在的元素全部并到一起（修改p的组或q的组都可以）

对QuickUnion操作进行如下三种优化。
 

优化方法一：将相连通的节点指向同一个根节点（优化的是union操作）

将p和q进行union操作，就是将p的parent指针指向q的根节点（或者将q的parent指针指向p的根节点），如果p和q的根节点是相同的，则认为p和q相连。

QuickUnion 有一个非常快的优化方法：对union函数中的“将p的parent指针指向q的根节点（或者将q的parent指针指向p的根节点）”操作进行如下修改：
 

优化方法二：基于rank的优化（优化的是union操作）

【优化方法1：】
判断p和q的根的大小（维护一个size变量），union的时候，将元素少的并到元素多的里面去（小的根添加到大的根里面去），这样做是为了保证树的高度尽量低。

【优化方法2：】
判断p和q的根节点的高度（维护一个rank变量，rank表示并查集的高度），union的时候，将高度低的并到高度大的里面去（小的根添加到大的根里面去），这样做是为了保证树的高度尽量低。

很显然，第2种，基于rank的优化方法更好。

 

优化方法三：路径压缩（优化的是find操作）

对find操作进行优化，对find函数优化，具体步骤：（以find 4 为例）

【优化方法1：】
找4的parent，如果parent不是根节点，则将4直接连到grandparent节点，（相当于跳了3这一级），然后找2的parent，发现2 的parent为1，不是根节点，将2直接连到grandparent节点，（相当于跳了1这一级）。树的高度变低了。

看中间这幅图：

【优化方法2：】
看右边那幅图，
使用递归的方法，把每个节点的parent节点都设置成根节点，这样可以将树的高度压缩为2，find的时间复杂度可以为O（1）.但是递归的过程比较浪费时间

优化方法1更好。