在 图论之并查集一 这篇文章里面,我们大概讲解了什么是并查集以及并查集的应用;而在这篇文章中,我们主要讲解并查集代码的相关优化。
这里重新贴上并查集的完整代码:
int[] parent;
/**
* 1. 初始化
*/
public void init(int n){
parent = new int[n];
for (int i = 0; i < n; i++) {
parent[i] = i;
}
}
/**
* 2. 查
*/
public int find(int x) {
if (parent[x] == x) return x;
int parentX = parent[x];
return find(parentX);
}
/**
* 3. 合并
* @param x 元素1
* @param y 元素2
* @return false:表示两元素已经在同一个集合,不用合并 true:合并成功
*/
public boolean merge(int x,int y) {
// 1. 找父元素
int parentX = find(x);
int parentY = find(y);
// 若两个元素的祖先相同,说明已经在同一个集合了
if (parentX == parentY) return false;
// 2. 合并
// 这里两种写法,哪一种都可以
parent[parentX] = parentY;
// parent[parentY] = parentX;
return true;
}
很多童鞋看完代码之后,感觉并没有什么缺陷,我们画一画图就知道了。
一、缺陷提出
现有两个元素如下:
按照我们的代码逻辑,将它们合并之后:
再来一个元素3:
合并之后:
可以发现,随着元素的个数越来越多,链子的长度越来越长,并查集的使用越来越不方便。因此,我们必须采取一些措施,来进一步优化并查集。
二、路径压缩
我们都知道,并查集的使用有三个过程:
- 初始化
- 查找
- 合并
并查集的每一次查找,都是找到某一个元素的根元素即为结束。那么,我们不妨将根元素设置为其下所有元素的父元素。这样一来,我们在查找父元素时就不用一层一层往上追溯,而这就是路径压缩的原理。
这一步只需在我们的查找代码中,稍作改变即可实现。
public int find(int x) {
if (x == parent[x]) return x; // 父节点就是本身,直接返回
int root = find(parent[x]);
parent[x] = root;
return root; // 将root节点当做其所有子节点的直接父节点,方便查询
}
画个图来对比一下,压缩前后我们查找父元素的层数:
压缩前:
parent = [1, 2, 3, 4, 5, 5]
压缩后:
parent = [5, 5, 5, 5, 5, 5]
对比前后的parent数组,压缩后,我们能更快地查找元素的根节点。
三、秩
上面的例子中,我们都只是将一个单独的节点合并到一个复杂的节点树上面。但在实际情况中,我们遇到的节点树,远比举例的还要复杂。
举个栗子:
我们怎么去合并这两棵节点树?是将左边的树并到右边呢?还是将右边的树并到左边呢?
这里就要引出秩的概念:秩,我们可以简单的理解成树的深度。
我们的每一次合并,都可能会造成树的深度加大,进一步导致我们查找的速度变慢。树的深度越低,我们查找元素的速度就会更快。这样一来,我们合并的优化思路就有了:将树深度较低的,合并到树深度较大的,尽可能避免加大新树的深度。
3.1 代码
int[] parent;
int[] rank;
/**
* 1. 初始化
*/
public void init(int n){
parent = new int[n];
rank = new int[n];
for (int i = 0; i < n; i++) {
parent[i] = i;
rank[i] = 1; // 初始化所有树的深度都为1
}
}
public void merge(int x,int y) {
int parentX = find(x);
int parentY = find(y);
if (rank[x] <= rank[y]) {
parent[parentX] = parentY;
}else{
parent[parentY] = parentX;
}
if (rank[parentX] == rank[parentY] && parentX != parentY) rank[parentY]++;
}
四、完整的代码
int[] parent;
int[] rank;
/**
* 1. 初始化
*/
public void init(int n){
parent = new int[n];
rank = new int[n];
for (int i = 0; i < n; i++) {
parent[i] = i;
rank[i] = 1; // 初始化所有树的深度都为1
}
}
/**
* 2. 查
*/
public int find(int x) {
if (x == parent[x]) return x; // 父节点就是本身,直接返回
int root = find(parent[x]);
parent[x] = root;
return root; // 将root节点当做其所有子节点的直接父节点,方便查询
}
/**
* 3. 合并
* @param x 元素1
* @param y 元素2
*/
public void merge(int x,int y) {
int parentX = find(x);
int parentY = find(y);
if (rank[x] <= rank[y]) {
parent[parentX] = parentY;
}else{
parent[parentY] = parentX;
}
// 若两棵树的深度相同,合并之后,新树的深度加1
if (rank[parentX] == rank[parentY] && parentX != parentY) rank[parentY]++;
}
五、测试代码
这里建议大家自己手动debug一下代码,观察parent数组的变化,彻底弄清楚路径压缩!!!
public class Test {
int[] parent;
public void init(int n) {
parent = new int[n];
for (int i = 0; i < n; i++) {
parent[i] = i;
}
}
public int find(int x) {
if (x == parent[x]) return x; // 父节点就是本身,直接返回
int root = find(parent[x]);
parent[x] = root;
return parent[x]; // 将root节点当做其所有子节点的直接父节点,方便查询
}
public void merge(int x,int y) {
int parentX = find(x);
int parentY = find(y);
parent[parentX] = parentY; // 直接将Y的根节点设置为 X的根节点的根节点
}
public static void main(String[] args) {
Test t = new Test();
t.init(6);
t.merge(0,1);
t.merge(0,2);
t.merge(0,3);
t.merge(0,4);
t.merge(0,5);
System.out.println(Arrays.toString(t.parent)); // [4, 2, 3, 4, 5, 5]
t.find(1);
System.out.println(Arrays.toString(t.parent)); // [4, 5, 5, 5, 5, 5]
t.find(0);
System.out.println(Arrays.toString(t.parent)); // [5, 5, 5, 5, 5, 5]
}
}
感谢大家的耐心观看,如果觉得这篇文章对你有帮助的话,帮忙转发点赞收藏一下吧!!!