算法笔记：并查集

专题：并查集

内容来源：《挑战程序设计竞赛》（第2版）

一、引入

        在一些有N个元素的集合应用问题中，我们通常是在开始时让每个元素构成一个单元素的集合，然后按一定顺序将属于同一组的元素所在的集合合并，其间要反复查找一个元素在哪哪个集合中。

        该问题看似并不复杂，但数据量极大，若用正常的数据结构来描述的话，往往超过了空间的限制，计算机无法承受；而且复杂度较高，实现过程较复杂。因此，只能采用一种特殊数据结构——并查集来描述。

二、定义

        并查集是一种用于分离集合操作（管理元素分组情况）的抽象数据类型。它所处理的是“集合”之间的关系，即动态地维护和处理集合元素之间复杂的关系。

        当给出两个元素的一个无序对(a,b)时，需要快速“合并”a和b分别所在的集合，这其间需要反复“查找”某元素所在的集合。“并”、“查”和“集”三字由此而来。在这种数据类型中，n个不同的元素被分为若干组。每组是一个集合，这种集合叫做分离集合。

三、结构

        使用树形结构实现，不过不是二叉树。

        集合中的每个元素对应一个节点，每个集合对应一棵树。在并查集中，哪个节点是哪个节点的父亲以及树的形状等信息无需多加关注，整体组成一个树形结构才是重要的。

四、基本操作

        并查集支持查找一个元素所属的集合 以及 两个元素各自所属的集合的合并 两种操作。

1.      初始化：

        使用n个节点表示n个元素，最开始时没有边。

2.      合并：

        相当于将两个集合合并为一个集合（即求并集的过程），假定在此操作前两个集合是分离的。

3.      查询：

        查询两个节点是否属于同一集合（即他们是否有相同的根节点），我们需要沿着树向上走，来查询包含这个元素的树的根是谁。如果两个节点走到了同一个根，则可说明它们属于同一集合。

举例：

五、优化

1. 当树形结构发生“退化”，即趋于线性结构时，对并查集的基本操作的复杂度就会非常高。因此，有必要优化存储结构，想办法避免“退化”的发生。

2. 考虑高度合并的方法：对每棵树，记录树的高度rank；合并时，如果两棵树的rank不同，那么从rank小的向rank大的连边。

3. 并查集的路径压缩（一个重要且典型的方法）

        （1）路径压缩实际上是在找完根结点之后，在递归回来的时候顺便把路径上元素的父亲指针都指向根结点。

        （2）以上图为例，我们在“合并5和3”的时候，不是简单地将5的父亲指向3，而是直接指向根节点1，如图：

        （3）在使用这种简化的方法时，为简便起见，即使树的高度发生了变化，也不修改rank的值。

4. 复杂度分析：O(ɑ(n))，是一个”均摊复杂度”，比O(log(n))还要快。

六、代码实现（以数组实现为例）

#include <stdio.h>
#define maxn 100005
int N,M,Q;          //建立含N个元素的集合(编号1~N)，进行M次合并、Q次查找
int r1,r2,x,y;      //将x和y节点所属集合合并
int parent[maxn];   //parent[i]表示元素i的父亲节点
int rank[maxn];     //树的高度
void Init(int n)    //初始化并查集
{
    int i;
    for(i=1;i<=n;i++)//初始状态：每个节点自身为根节点，且高度为0
    {
        parent[i]=i;
        rank[i]=0;
    }
}
/*
int Find(int x)     //查询树的根（非递归实现）
{
    while(parent[x]!=x)
        x=parent[x];
    return x;       //找到返回根节点
}
*/
int Find(int x)     //查询树的根（递归实现）
{
    if(parent[x]==x)//x是根节点，找到，直接返回
        return x;
    else            //x不是根节点，则从x的父亲节点开始，继续查找
        return parent[x]=Find(parent[x]);
}
void Union(int x,int y) //合并节点x和y所属的集合
{
    x=Find