数据结构与算法之并查集

引言

---

并查集（Union-Find）是一种高效的数据结构，主要的操作有：

• 合并（Union）
• 查找（Find）
• 路径压缩（可选）
  其中最基本的便是合并与查找

---

合并

为方便叙述，把所有元素视作点，元素之间的关系视作线，存在联系便存在关系（需要注意的是，这里的关系应当是1.自反的，2.对称的，3.传递的）

• 自反：x与x存在关系
• 对称：若x与y存在关系，则y与x也存在关系
• 传递：若x与y存在关系，y与z存在关系，那么x与z也存在关系

所谓合并，便是将两个点之间“画”一条线。 又上边的定义不难理解相连的若干点之间互相存在关系，这样我们便可以吧相连的若干点看做一个**“等价类”或“连通分支”**

合并主要的流程为：

• 查找两个点的根节点（参见后边查找部分）
• 判断两个点是否存在关系，即根节点是否相同
• 若根节点相同，什么都不做；否则，合并两个点：将两个点所在的连通分支合并为一个连通分支，即将连通分支的根节点的前驱节点改为另一个连通分支的根节点
• （上一步的优化版）若根节点相同，什么都不做；否则，合并两个点：将节点数较少的连通分支合并到节点数较多的连通分支上

---

查找

我们采用线性的数据结构：数组，来表示并查集：

• count表示连通分支的个数，初始化为节点个数N
• 数组front[]用来存储N个点的前驱节点，初始化为节点自己
• 数组size[]用来表示连通分支包含的节点数，初始化为1（初始时每个节点都视为一个连通分支）
• 每次合并count--

---

路径压缩

路径压缩即为，将所有节点的前驱节点改为连通分支的根节点
这样在寻找节点的根节点时耗时更少。

---

总结

使用路径压缩，和优化后的合并方法的并查集算法已经是理论上的最优算法。
附上LeetCode547题的题解：

class Solution {
    public int findCircleNum(int[][] M) {
        int N = M.length;	// 元素数量
        UF uf = new UF(N);
        // 遍历关系矩阵，如果i，j没有连接，连接他们
        for (int i = 0; i < N; i++) {
            for (int j = 0; j < N; j++) {
                if (M[i][j] == 1) uf.union(i, j);
            }
        }
        // 得到朋友圈数量
        int count = uf.count();
        return count;
    }
}
// Union-Find Class
class UF {
    private int[] front;	// 存储前驱节点的位置
    private int[] size;		// 存储连通分支的大小
    private int count; 		// 连通分支的个数
    public UF(int N) {	// 初始化
        front = new int[N];
        size = new int[N];
        count = N;
        for (int i = 0; i < N; i++)
            front[i] = i;	// 指向自己
        for (int sz : size)
            sz = 1;	// 将每个节点视为一个连通分支
    }
    // 查找点p的根节点
    public int find(int p) {
        int temp = p;
        while(p != front[p]) p = front[p];
        // 路径压缩
        front[temp] = p;
        return p;
    }
    // 判断p，q是否连接
    public boolean connected(int p, int q) {
        return find(p) == find(q);
    }
    // 得到连通分支数
    public int count() {
        return count;
    }
    // 合并连通分支
    public void union(int p, int q) {
        int pRoot = find(p);
        int qRoot = find(q);
        if (pRoot == qRoot) return;
        else {	// 优化版的合并
            if (size[pRoot] > size[qRoot]) {
                front[qRoot] = pRoot;
            } else {
                front[pRoot] = qRoot;
            }
        }
        // 合并后连通分支数减一
        count--;
    }  
}