并查集数据结构：实现和应用探索

介绍：

并查集数据结构，也称为不相交集合数据结构，是计算机科学中一种强大的工具，可以高效地追踪和合并不相交的集合。在本博客文章中，我们将深入了解UnionFind类的实现细节，并探讨其应用。

代码实现

#include <iostream>
#include <vector>
#include <algorithm>
#include<set>
#include<string>
#include<unordered_set>
#include<unordered_map>
#include<stack>
 
using namespace std;
class UnionFind
{
private:
    int count=0;
    vector<int>parent,rank;//rank记录高度
public:
    UnionFind(  );
    UnionFind(int n  );
    ~UnionFind();
    int find(int p){
        //递归写法
        // return (parent[p]==p)?p:(parent[p]=find(parent[p]));
        //循环写法
        while ( p!=parent[p])
        {
             p=parent[p];
        }
        return p;
        
    };
    bool isConnected(int p,int q){
        return find(p)==find(q);
    };
    bool unionElements(int p,int q){
        int rootP=find(p);
        int rootQ=find(q);
        if(rootP==rootQ) return false;
        if(rank[rootP]<rank[rootQ]){
            parent[rootP]=rootQ;
        }else if(rank[rootP]>rank[rootQ]){
            parent[rootQ]=rootP;
        }else{
            parent[rootQ]=rootP;
            rank[rootP]++;
        }
        count--;
        return true;
    };
    int getCount(){
        return count;
    };
};

UnionFind::UnionFind(int n)
{   
    count=0;
    parent.clear();
    parent.resize(n);
    for(int i=0;i<n;i++){
        parent[i]=i;
        rank.push_back(1);
        
    }
    count=n;
}
UnionFind::~UnionFind()
{
}

代码解析：
 

UnionFind类是一个并查集的实现。在构造函数UnionFind(int n)中，我们初始化了count变量为0，清空了parent和rank向量，并为parent向量分配了大小为n的空间。然后，通过循环将每个元素的父节点初始化为自身，并将rank向量的每个元素初始化为1。这个构造函数的目的是创建一个具有n个独立集合的并查集。

接下来，我们来看一下UnionFind类的成员函数。find(int p)函数用于查找元素p所属的集合的根节点。它使用了路径压缩的技巧，通过不断向上寻找父节点，将p的父节点更新为根节点，以减少后续查找的时间复杂度。

isConnected(int p, int q)函数用于检查元素p和元素q是否属于同一个集合。它通过调用find函数比较它们的根节点是否相同来判断。

unionElements(int p, int q)函数用于将元素p所属的集合和元素q所属的集合进行合并。它首先找到p和q的根节点，然后根据rank的大小，决定将哪个根节点作为合并后的根节点。如果两个元素的根节点已经相同，表示它们已经属于同一个集合，合并操作不执行。合并操作完成后，更新count变量的值。

getCount()函数用于获取并查集当前包含的集合数量。

应用和扩展：

并查集在许多算法和数据结构中都有广泛的应用。以下是一些常见的应用场景：
1. 连通性问题：可以快速判断两个元素是否连通，如判断图中的两个节点是否属于同一个连通分量。
2. 最小生成树算法：如Kruskal算法和Prim算法，都可以利用并查集来实现。
3. 图像分割：将图像中的像素点划分为不同的区域，可以利用并查集来维护区域的连通性。
4. 社交网络分析：可以利用并查集来判断社交网络中的用户是否属于同一个社区。

 

结论：

并查集是一种强大且常用的数据结构，用于解决集合和连通性问题, 在力扣中, 岛屿这类划分集合的题,除了广搜,深搜, 也可以考虑用并查集AC