数据结构之并查集

本文是我学习并查集的整个心路历程，若是还没学过或是想温习的朋友可以阅读整片博客，共同学习。希望你们能指出我的错误，谢谢。

注：由于是学习过程，关于算法的思考偏多，于是废话偏多，请合理，耐心阅读。

引言

并查集是树型的一种数据结构，其实把它当做算法更为合适。它常常用于处理集合与集合之间的合并与查找，故称并查集。

接下来我以具体问题分析为什么用并查集：

（此题目出自“并查集_百度百科”）

问题一：
Description
若某个家族人员过于庞大，要判断两个是否是亲戚，确实还很不容易，给出某个亲戚关系图，求任意给出的两个人是否具有亲戚关系。 
规定：x和y是亲戚，y和z是亲戚，那么x和z也是亲戚。如果x,y是亲戚，那么x的亲戚都是y的亲戚，y的亲戚也都是x的亲戚。
Input
第一行：三个整数n,m,p，（n< =5000,m< =5000,p< =5000），分别表示有n个人，m个亲戚关系，询问p对亲戚关系。 
以下m行：每行两个数Mi，Mj，1< =Mi，Mj< =N，表示Mi和Mj具有亲戚关系。 接下来p行：每行两个数Pi，Pj，询问Pi和Pj是否具有亲戚关系。
Output
P行，每行一个’Yes’或’No’。表示第i个询问的答案为“具有”或“不具有”亲戚关系。

首先看到这道题，难免会想到图论，图论中就有关系矩阵，可明确表示各个元素之间的关系。

但是，如果使用关系矩阵来表示这道题，首先得有一个[ 5000 × 5000 ] 的矩阵来存储他们之间的关系，且不说内存是不是炸了，光是遍历整个关系矩阵花费的时间都是巨大的。

可能你会说：“不需要这么多的空间来存储，有很多人他们之间是没有关系的，那么便不需要存储。即是只需要存储有关系的人，把有关系的人当做一个集合。”

试想题目中的这句话：

如果x,y是亲戚，那么x的亲戚都是y的亲戚，y的亲戚也都是x的亲戚。

如果我们把每个人看成一个点，把是亲戚的两个点用直线连起来。

假设 x1，x2，x3 是 x 的亲戚，y1，y2 是 y 的亲戚，并且 x 和 y 是亲戚，那么我可以用下面的图1来表示他们。

                                               图1

这不就是树状结构吗？

普通并查集

通过引言，我们想到了利用树状结构去解决“集合与集合之间关系的合并与查找”的问题。

但是，怎么样才能用用代码表示图1中的关系呢？

此时，我们定义一个存储根节点的数组 root ， 那么有：

root [ x1 ]  = x ， root [ x2 ]  = x ，root [ x3 ]  = x ，root [ y1 ]  = y ，root [ x2 ]  = y ，root [ x ] = y

所谓根节点就是和此节点有关系的节点，再思考以下问题：

x1 给我说，他有一个亲戚 z，于是 root [ z ] = x1。z 又给我说，他也有一个亲戚 z1，又 root [ z1 ] = z。 z1 还给我说。。。。。。直到 z5555

现在，倘若有个人想知道 z1111 与 z55555 是否是亲戚关系，那怎么办？

我需要通过 root [ z1000000 ] 一步一步的往上推，结果无非两种：1. 一步步推的时候，推出了他们两的关系；2. 把整个关系分支（树的分支）全部便利也没找到他们的关系。

以上两种结果，都会消耗大量的时间，有没有什么办法缩短时间呢？

于是我们引出了 路径压缩 。

状态压缩前我们需要有一个准备：初始化 root 数组<