2022.3.24 图论——并查集（UNION-FIND）算法

---

一、并查集（UNION-FIND）算法

参考文章

1.定义

并查集被很多OIer认为是最简洁而优雅的数据结构之一，主要用于解决一些元素分组的问题。它管理一系列不相交的集合，并支持两种操作：

合并（Union）：把两个不相交的集合合并为一个集合。
查询（Find）：查询两个元素是否在同一个集合中。

现在我们的 Union-Find 算法主要需要实现这两个 API：

class UF {
   
    /* 将 p 和 q 连接 */
    public void union(int p, int q);
    /* 判断 p 和 q 是否连通 */
    public boolean connected(int p, int q);
    /* 返回图中有多少个连通分量 */
    public int count();
}

2.连通的概念

「连通」是一种等价关系，也就是说具有如下三个性质：

1、自反性：节点 p 和 p 是连通的。
2、对称性：如果节点 p 和 q 连通，那么 q 和 p 也连通。
3、传递性：如果节点 p 和 q 连通，q 和 r 连通，那么 p 和 r 也连通。

例：

0～9 任意两个不同的点都不连通，调用 connected 都会返回 false，连通分量为 10 个。
如果现在调用 union(0, 1)，那么 0 和 1 被连通，连通分量降为 9 个。
再调用 union(1, 2)，这时 0,1,2 都被连通，调用 connected(0, 2) 也会返回 true，连通分量变为 8 个。

3.基本思路

我们使用森林（若干棵树）来表示图的动态连通性，用数组来具体实现这个森林。设定树的每个节点有一个指针指向其父节点，如果是根节点的话，这个指针指向自己。比如说刚才那幅 10 个节点的图，一开始的时候没有相互连通，就是这样：

如果某两个节点被连通，则让其中的（任意）一个节点的根节点接到另一个节点的根节点上：

class UF {
   
    // 记录连通分量
    private int count;
    // 节点 x 的节点是 parent[x]
    private int[] parent;

    /* 构造函数，n 为图的节点总数 */
    public UF(int n) {
   
        // 一开始互不连通
        this.count = n;
        // 父节点指针初始指向自己
        parent = new int[n];
        for (int i = 0; i < n; i++)
            parent[i] = i;
    }
	
	public boolean connected(int p, int q) {
   
    	int rootP = find(p);
    	int rootQ = find(q);
    	return rootP == rootQ;
	}

    public void union(int p, int q) {
   
    	int rootP = find(p);
    	int rootQ = find(q);
    	if (rootP == rootQ)
        	return;
    	// 将两棵树合并为一棵
    	parent[rootP] = rootQ;
    	// parent[rootQ] = rootP 也一样
    	count--; // 两个分量合二为一
	}
	
	/* 返回某个节点 x 的根节点 */
	private int find(int x) {
   
    	// 根节点的 parent[x] == x
    	while (parent[x] != x)
       	 	x = parent[x];
    	return x;
	}

	/* 返回当前的连通分量个数 */
	public int count() {