第一章 1.5union-find 算法

为了说明我们设计和分析算法的基本方法，我们通过学习一个基本的例子来说明：

• 优秀的算法能够解决实际问题而变地很重要；
• 高效的算法的代码很简单；
• 理解某个实现的性能特点是一项有趣而令人满足的挑战；
• 在解决同一个问题的多种算法之间进行选择时，科学方法是一种重要的工具；
• 迭代式改进能够让算法的效率越来越高；

为解决动态连通性问题设计算法的任务转化为了实现这份API，所有的实现都应该

• 定义一种数据结构表示已知的连接；
• 基于此数据结构实现高效的union()、find()、connected()和count()方法；

因为数据结构的性质直接影响到算法的效率，因此数据结构和算法的设计是紧密相关的，在此处根据API说明，我们可以用一个以触点为索引的数组id[]作为基本数据结构来表示所有分量。我们将使用分量中的某个触点的名称作为分量的标识符，因此我们可以认为每个分量都是由它的触点之一所表示的。

对于已知信息进行扩展

• 我们有N个分量，每个触点都构成了一个只含有它自己的分量，因此我们将id[i]的值初始化为i,其中i在0到N-1之间。
• 对于每个触点i,我们将find()方法用来判断它所在的分量所需的信息保存在id[i]中。
• connected()方法的实现只用一条语句find(p)==find(q)，它返回一个布尔值。
• 我们维护了两个实例变量，一个是连通分量的个数，一个是数组id[]，用于储存触点，同时如果更改为别的分量时，将其中的值更改为别的分量的值。

由此我们可以知道在研究发现union-find的API的各种算法时，union-find的成本模型指的是，我们统计的是数组的访问次数（访问任意数组元素的次数，无论读写）。

实现

quick-find

     一。此种方法时保证当且仅当id[p]等于id[q]时，p和q是连通的。换句话说，在同一连通分量中的所有触点在id[]中的值必须全部相同。这将意味着，connected(p,q)只需判断id[p]==id[q]。

quick-find算法分析

• 命题F：在quick-find算法中，每次find（）调用只需访问数组一次，而归并两个分量的union（）操作访问数组的次数在（N+3）到（2N+1）之间
• 证明：由代码可知，每次connected调用都会检查id[]数组中的两个元素是否相等，即会调用两次find()方法。归并两个分量的union()操作会调用两次find(),检查id【】数组中的全部N个数组并改变它们中1到N-1个元素的值。

假设我们使用quick-find算法来解决动态连通性问题并且最后只得到了一个连通分量，俺么这至少需要调用N-1次union()，即至少（N+3）（N-1）~N^2次数组访问----我们马上可以猜想动态连通性的quick-find算法是平方级别的。