数据结构——并查集

目录

1.概念

2.并查集的结构 

3.并查集的实现 

1）初始化节点

2）查找当前元素所在树的根节点

3）合并元素x， y所处的集合

4）判断是否为同一个集合

4.并查集的优化

5.并查集的复杂度 

6.优化后的并查集实现

---

 

1.概念

并查集(Union Find)是一种用于管理分组的数据结构。
它具备两个操作：(1)查询元素a和元素b是否为同一组   
                             (2) 将元素a和b合并为同一组。 

注意：并查集不能将在同一组的元素拆分为两组。 

2.并查集的结构 

并查集可以使用树来实现。 

 

使用树形结构来表示以后，每一组都对应一棵树，然而我们就可以将这个问题转化为树的问题了，我们看两个元素是否为一组我们只要看这两个元素的根是否一致。显然，使用树形结构将问题简单化了。合并时是我们只需要将一组的根与另一组的根相连即可。 

3.并查集的实现 

1）初始化节点

int node[i]; //每个节点
 
//初始化n个节点
void Init(int n){
    for(int i = 0; i < n; i++){
        node[i] = i;
    }
}

2）查找当前元素所在树的根节点

int find(int x){
    if(x == node[x])
        return x;
    return find(node[x]);
}

3）合并元素x， y所处的集合

void Unite(int x, int y){
    //查找到x，y的根节点
    x = find(x);
    y = find(y);
    if(x == y) 
        return ;
    //将x的根节点与y的根节点相连
    node[x] = y;
}

4）判断是否为同一个集合

bool same(int x, int y){
    return find(x) == find(y);
}

4.并查集的优化

 细心的同学会发现，我们使用以上的代码来实现并查集，会出现一个问题  ---  树的退化。在树形数据结构中，如果发生退化，那么复杂度将会变得很高(最惨的是直接退化成线性结构)。因此我们必须设法，阻止这种退化。为此我们这里有两种方法。

i. 对于每一棵树，我们记录它的高度(rank)。在每次合并操作时，将高度小的树放在高度高的树      下，成为它的子树:
 

 通过这样处理之后，可以有效的防止树的退化，但是查询效率还不够快，于是我们有提出了第二种优化方案。 

ii. 路径压缩
    我们将原先间接与根相连的节点，让它与根直连，这样效率又可以大大的提高了：

 

 我们在第一次查询时，进行这步操作，当再次查询时，就大大提高了效率。 

5.并查集的复杂度 

加入这两个优化之后，并查集的效率就非常高。对n个元素的并查集操作一次的复杂度是： O(α(n))。这里，α(n)是阿克曼(Ackermann)函数的反函数。效率要高于O(log n)。

不过这里O(α(n))是平均复杂度。也就是说，多次操作之后平均复杂度为O(α(n))，换而言之，并不是每一次操作都满足O(α(n))。

6.优化后的并查集实现

int node[i]; //每个节点
int rank[i]; //树的高度
 
//初始化n个节点
void Init(int n){
    for(int i = 0; i < n; i++){
        node[i] = i;
        rank[i] = 0;
    }
}
//查找当前元素所在树的根节点(代表元素)
int find(int x){
    if(x == node[x])
        return x;
    return node[x] = find(node[x]); //在第一次查找时，将节点直连到根节点
}
//合并元素x， y所处的集合
void Unite(int x, int y){
    //查找到x，y的根节点
    x = find(x);
    y = find(y);
    if(x == y) 
        return ;
    //判断两棵树的高度，然后在决定谁为子树
    if(rank[x] < rank[y]){
        node[x] = y;
    }else{
        node[y] = x;
        if(rank[x] == rank[y])
            rank[x]++:
    }
}
//判断x，y是属于同一个集合
bool same(int x, int y){
    return find(x) == find(y);
}