并查集
在计算机科学中,并查集是一种树型的数据结构,用于处理一些不交集()的合并及查询问题。有一个联合- 查找算法( )定义了两个用于此数据结构的操作:
- Find:确定元素属于哪一个子集。它可以被用来确定两个元素是否属同一子集。
- Union:将两个子集合并成同一个集合。
由于支持这两种操作,一个不相交集也常被称为联合-查找数据结构()或合并-查找集合()。其他的重要方法,,用于建立单元素集合。有了这些方法,许多经典的划分问题可以被解决。
为了更加精确的定义这些方法,需要定义如何表示集合。一种常用的策略是为每个集合选定一个固定的元素,称为代表,以表示整个集合。接着, 返回 所属集合的代表,而 使用两个集合的代表作为参数。
并查集森林
并查集森林是一种将每一个集合以树表示的数据结构,其中每一个节点保存着到它的父节点的引用(见意大利面条堆栈)。这个数据结构最早由 和 于 年提出,但是经过了数年才完成了精确的分析。
在并查集森林中,每个集合的代表即是集合的根节点。“查找”根据其父节点的引用向根行进直到到底树根。“联合”将两棵树合并到一起,这通过将一棵树的根连接到另一棵树的根。实现这样操作的一种方法是
function MakeSet(x)
x.parent := x
function Find(x)
if x.parent == x
return x
else
return Find(x.parent)
function Union(x, y)
xRoot := Find(x)
yRoot := Find(y)
xRoot.parent := yRoot
这是并查集森林的最基础的表示方法,这个方法不会比链表法好,这是因为创建的树可能会严重不平衡;然而,可以用两种办法优化。
第一种方法,称为“按秩合并”,即总是将更小的树连接至更大的树上。因为影响运行时间的是树的深度,更小的树添加到更深的树的根上将不会增加秩除非它们的秩相同。在这个算法中,术语“秩”替代了“深度”,因为同时应用了路径压缩时(见下文)秩将不会与高度相同。单元素的树的秩定义为 ,当两棵秩同为r的树联合时,它们的秩 。只使用这个方法将使最坏的运行时间提高至每个 或操作 。优化后的 和 伪代码:
function MakeSet(x)
x.parent := x
x.rank := 0
function Union(x, y)
xRoot := Find(x)
yRoot := Find(y)
if xRoot == yRoot
return
// x和y不在同一个集合,合并它们。
if xRoot.rank < yRoot.rank
xRoot.parent := yRoot
else if xRoot.rank > yRoot.rank
yRoot.parent := xRoot
else
yRoot.parent := xRoot
xRoot.rank := xRoot.rank + 1
第二个优化,称为“路径压缩”,是一种在执行“查找”时扁平化树结构的方法。关键在于在路径上的每个节点都可以直接连接到根上;他们都有同样的表示方法。为了达到这样的效果, 递归地经过树,改变每一个节点的引用到根节点。得到的树将更加扁平,为以后直接或者间接引用节点的操作加速。这儿是 :
function Find(x)
if x.parent != x
x.parent := Find(x.parent)
return x.parent
这两种方法的优势互补,同时使用二者的程序每个操作的平均时间仅为 , 是 的反函数,其中 是急速增加的阿克曼函数。因为 是其的反函数,故 在 十分巨大时还是小于 。因此,平均运行时间是一个极小的常数。
实际上,这是渐近最优算法: 和 在 年解释了 的平均时间内可以获得任何并查集。
主要操作
需要注意的是,一开始我们假设元素都是分别属于一个独立的集合里的。
合并两个不相交集合
操作很简单:先设置一个数组(阵列) ,表示 的“父亲”的编号。 那么,合并两个不相交集合的方法就是,找到其中一个集合最父亲的父亲(也就是最久远的祖先),将另外一个集合的最久远的祖先的父亲指向它。
void Union(int x,int y)
{
int fx = getfather(x);
int fy = getfather(y);
if(fy != fx)
father[fx] = fy;
}
判断两个元素是否属于同一集合
仍然使用上面的数组。则本操作即可转换为寻找两个元素的最久远祖先是否相同。寻找祖先可以采用递归实现,见后面的
路径压缩算法。
bool same(int x,int y)
{
return getfather(x) == getfather(y);
}
/*返回true 表示相同根结点,返回false不相同*/
并查集的优化
路径压缩
刚才我们说过,寻找祖先时采用递归,但是一旦元素一多起来,或退化成一条链,每次 都将会使用 的复杂度,这显然不是我们想要的。
对此,我们必须要进行路径压缩,即我们找到最久远的祖先时“顺便”把它的子孙直接连接到它上面。这就是路径压缩了。使用路径压缩的代码如下:
int getfather(int v)
{
if (father[v] == v)
return v;
else
{
father[v] = getfather(father[v]); //路径压缩
return father[v];
}
}
Rank合并
合并时将元素所在深度小的集合合并到元素所在深度大的集合。
void judge(int x ,int y)
{
int fx = getfather(x);
int fy = getfather(y);
if (rank[fx] > rank[fy])
father[fy] = fx;
else
{
father[fx] = fy;
if(rank[fx] == rank[fy])
++rank[fy];//重要的是祖先的rank,所以只用修改祖先的rank就可以了,子节点的rank不用管
}
}
初始化:
memset(rank, 0, sizeof(rank));
时间及空间复杂度
时间复杂度
同时使用路径压缩、按秩( ) 合并优化的程序每个操作的平均时间仅为 , 其中 是 的反函数, 是急速增加的阿克曼函数。因为 是其反函数,故 在 十分巨大时还是小于 。因此,平均运行时间是一个极小的常数。实际上,这是渐近最优算法: 和 在 年解释了 的平均时间内可以获得任何并查集。
空间复杂度
( 为元素的数量)
应用
算法的优化