目录
一、并查集原理
并查集被很多OIer认为是最简洁而优雅的数据结构之一,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。
在一些应用问题中,需要将n个不同的元素划分成一些不相交的集合。开始时,每个元素自成一个单元素集合,然后按一定的规律将归于同一组元素的集合合并。在此过程中要反复用到查询某一个元素归属于那个集合的运算。适合于描述这类问题的抽象数据类型称为并查集(union-fifind-set)。
通俗的来说就是找朋友问题
假如现在有10个人,分别是{0,1,2,3,4,5,6,7,8,9}
他们有些人之间是朋友,现在将他们按照朋友圈划分为几个小集合
有一天7和4成为了好朋友,那么就需要将左侧两个朋友圈合并成为一个朋友圈
这就是并查集要解决的问题
并查集实际上是一个森林,它是由多棵树构成的
我们这里采用的表示树的方法与之前的二叉树不同,类似于堆,利用数组下标来确定父子关系
初始条件,每一个位置都是-1,代表每一个人都是一个小集合
然后合并朋友圈
二、并查集实现
并查集的主要接口就只有两个Union和FindRoot
首先来说FindRoot
寻找根节点,什么属于根节点呢?
数组中存储的是负数的下标就是根的位置,这句话有一点绕
我们要找根节点,就是找数组不为负数的位置
size_t FindRoot(int x)
{
if(x < 0 || x >= _set.size())
{
throw invalid_argument("非法参数");
return -1;
}
size_t parent = x;
while(_set[parent] >= 0)
{
parent = _set[parent];
}
return parent;
}
有了FindRoot的基础之后Union,就容易理解了
Union是将两个集合合并,我们只要两个参数就可以x1,x2
我们先分别查找x1和x2的父亲,如果他们是同一个父亲,就不需要合并,如果他们的父亲不同,就将他们合并。
合并也十分简单
我们直接将x2父亲加到x1父亲上,并且将x2的父亲更改为x1的父亲
void Union(int x1, int x2)
{
size_t root1 = FindRoot(x1);
size_t root2 = FindRoot(x2);
_set[root1] += _set[root2];
_set[root2] = root1;
}
最后一个接口是SetCount,是用来计算并查集现在有几个集合的,也就是有几棵树
很简单,遇到数组中的负数,计数器就自增
size_t SetSize()
{
size_t size = 0;
for(const auto& e : _set)
{
if(e < 0)
{
size++;
}
}
return size;
}
完整代码:
#pragma once
#include <iostream>
#include <vector>
#include <exception>
using namespace std;
class UnionFindSet
{
public:
UnionFindSet(size_t n)
:_set(n, -1)
{}
size_t FindRoot(int x)
{
if(x < 0 || x >= _set.size())
{
throw invalid_argument("非法参数");
return -1;
}
size_t parent = x;
while(_set[parent] >= 0)
{
parent = _set[parent];
}
return parent;
}
void Union(int x1, int x2)
{
size_t root1 = FindRoot(x1);
size_t root2 = FindRoot(x2);
_set[root1] += _set[root2];
_set[root2] = root1;
}
size_t SetSize()
{
size_t size = 0;
for(const auto& e : _set)
{
if(e < 0)
{
size++;
}
}
return size;
}
private:
vector<int> _set;
};
三、并查集应用
547. 省份数量 - 力扣(LeetCode)
这道题是典型的并查集应用,用来判断到底最后被划分为几个集合
class Solution {
public:
int findCircleNum(vector<vector<int>>& isConnected) {
vector<int> ufs(isConnected.size(), -1);
auto FindRoot = [&ufs](int x)
{
while(ufs[x] >= 0)
{
x = ufs[x];
}
return x;
};
for(size_t i = 0; i < isConnected.size(); i++)
{
for(size_t j = 0; j < isConnected[i].size(); j++)
{
if(isConnected[i][j] == 1)
{
size_t root1 = FindRoot(i);
size_t root2 = FindRoot(j);
if(root1 != root2)
{
ufs[root1] += ufs[root2];
ufs[root2] = root1;
}
}
}
}
size_t ans = 0;
for(size_t i = 0; i < ufs.size(); i++)
{
if(ufs[i] < 0)
ans++;
}
return ans;
}
};
总结
以上就是今天要讲的内容,本文仅仅讲解了并查集的简单实现及应用