并查集

并查集的使用

并查集主要用于解决一些元素分组的问题。它管理一系列不相交的集合，并支持两种操作：

• 合并（Union）：把两个不相交的集合合并为一个集合。
• 查询（Find）：查询两个元素是否在同一个集合中。

当然，这样的定义未免太过学术化，看完后恐怕不太能理解它具体有什么用。所以我们先来看看并查集最直接的一个应用场景：亲戚问题。

（洛谷P1551）亲戚题目背景
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，现在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。
题目描述
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。
输入格式
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。
输出格式
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。~

这其实是一个很有现实意义的问题。我的思路是我们可以建立模型，把所有人划分到若干个不相交的集合中，每个集合里的人彼此是亲戚。为了判断两个人是否为亲戚，只需看它们是否属于同一个集合即可。因此，这里就可以考虑用并查集进行维护了。这是一道很简单的模板题，下面是我的代码

inline void init(int n){
 for(int i=1;i<=n;i++){
  fa[i]=i;
  rank[i]=1;
 }
}//假如有编号为1, 2, 3, ..., n的n个元素，我们用一个数组fa[]来存储每个元素的父节点（因为每个元素有且只有一个父节点，所以这是可行的）。
//一开始，我们先将它们的父节点设为自己。

int find(int x){
 return x==fa[x]?x:(fa[x]=find(fa[x]));
}//我们用递归的写法实现对代表元素的查询：一层一层访问父节点，直至根节点（根节点的标志就是父节点是本身）。
//要判断两个元素是否属于同一个集合，只需要看它们的根节点是否相同即可。

inline void merge(int i,int j){
 int x=find(i),y=find(j);
 if(rank[x]<=rank[y]){
  fa[x]=y;
 }else{
  fa[y]=x;
 }
 if(rank[x]==rank[y]&&x!=y){
  rank[y]++;
 }
}//我们应该把简单的树往复杂的树上合并，而不是相反。因为这样合并后，到根节点距离变长的节点个数比较少。   
// 我们用一个数组rank[]记录每个根节点对应的树的深度（如果不是根节点，其rank相当于以它作为根节点的子树的深度）。
//一开始，把所有元素的rank（秩）设为1。合并时比较两个根节点，把rank较小者往较大者上合并。路径压缩和按秩合并如果一起使用，时间复杂度接近  ，但是很可能会破坏rank的准确性。   
// 值得注意的是，按秩合并会带来额外的空间复杂度，可能被一些卡空间的毒瘤题卡掉。

一般的情况下我们采用按秩合并是最好的选择。
还有一道题大家可以去思考思考。洛谷P3958 奶酪

第一次写博客不太会写所以借鉴了一下其他的博客加上我自己的东西，大家要是有疑问请评论，会给大家解答的，谢谢浏览。