并查集
概述
- 并查集用来解决连接问题
- 对于一组数据,主要支持两个操作:
- union(p,q):将p和q连接起来
- find(p):查p具体是在哪个组中
- 以上两个操作用来回到isConnected(p,q):判断p、q是否相连
基本数据表示
Quick Find
-
-
用一个数组表示每个数据的连接关系,其中数组中的每个元素是该数据所属的组。如上图所示,编号为0的元素相连,编号为1的元素相连。
-
对于Find操作,也就是查看某个元素所属的组的操作,只需返回其id号即可,非常快速,因此该种数据表示方法称为Quick Find。时间复杂度为O(1)
-
但是对于Union操作并不方便,比如若将1和2连接起来,则需要遍历一遍数组,要么将所有编号为0的改为1,要么将所有编号为1的改为0。时间复杂度为O(n)
-
class QuickFind { private: int *id; // 我们的第一版Union-Find本质就是一个数组 int count; // 数据个数 public: // 构造函数 UnionFind(int n) { count = n; id = new int[n]; // 初始化, 每一个id[i]指向自己, 没有合并的元素 for (int i = 0; i < n; i++) id[i] = i; } // 析构函数 ~UnionFind() { delete[] id; } // 查找过程, 查找元素p所对应的集合编号 int find(int p) { assert(p >= 0 && p < count); return id[p]; } // 查看元素p和元素q是否所属一个集合 // O(1)复杂度 bool isConnected(int p, int q) { return find(p) == find(q); } // 合并元素p和元素q所属的集合 // O(n) 复杂度 void unionElements(int p, int q) { int pID = find(p); int qID = find(q); if (pID == qID) return; // 合并过程需要遍历一遍所有元素, 将两个元素的所属集合编号合并 for (int i = 0; i < count; i++) if (id[i] == pID) id[i] = qID; } };
Quick Union
-
-
该种表示方法将每个元素看做为一个节点。每个元素指向其父节点,若该节点为根节点,则其指向自己。
-
对于Union操作,也就是将两个元素连接起来,只需将其中一个元素的根节点指向另一个元素的根节点即可,比较方便,因此称为Quick Union。时间复杂度为O(h),h为树的高度
-
对于Find操作,也就是查找某个节点所属的组,需要不断递归找到其相连的根节点。时间复杂度同样为O(h)
-
上述模型同样可以使用数组来实现,其中每个元素存储器对应的父节点
-
class UnionFind{ private: // 我们的第二版Union-Find, 使用一个数组构建一棵指向父节点的树 // parent[i]表示第i个元素所指向的父节点 int* parent; int count; // 数据个数 public: // 构造函数 UnionFind(int count){ parent = new int[count]; this->count = count; // 初始化, 每一个parent[i]指向自己, 表示每一个元素自己自成一个集合 for( int i = 0 ; i < count ; i ++ ) parent[i] = i; } // 析构函数 ~UnionFind(){ delete[] parent; } // 查找过程, 查找元素p所对应的集合编号 // O(h)复杂度, h为树的高度 int find(int p){ assert( p >= 0 && p < count ); // 不断去查询自己的父亲节点, 直到到达根节点 // 根节点的特点: parent[p] == p while( p != parent[p] ) p = parent[p]; return p; } // 查看元素p和元素q是否所属一个集合 // O(h)复杂度, h为树的高度 bool isConnected( int p , int q ){ return find(p) == find(q); } // 合并元素p和元素q所属的集合 // O(h)复杂度, h为树的高度 void unionElements(int p, int q){ int pRoot = find(p); int qRoot = find(q); if( pRoot == qRoot ) return; parent[pRoot] = qRoot; } };
优化
基于size的优化
-
在将两个节点连接时,容易将节点数多的组连接到节点数少的组上,这样导致生成的集合会很长。如下图所示:
-
当进行union(4,9)操作时,理想情况是将节点9连到4的根节点8上,但却有可能会出现节点8连到节点9上,导致生成的这个集合层数较高,在查找底层节点时会消耗更多的时间
-
-
因此需要存储每个集合的节点数量,在进行union操作时,将节点少的集合连接到节点多大的集合上
-
class UnionFind{ private: int* parent; // parent[i]表示第i个元素所指向的父节点 int* sz; // sz[i]表示以i为根的集合中元素个数 int count; // 数据个数 public: // 构造函数 UnionFind(int count){ parent = new int[count]; sz = new int[count]; this->count = count; for( int i = 0 ; i < count ; i ++ ){ parent[i] = i; sz[i] = 1; } } // 析构函数 ~UnionFind(){ delete[] parent; delete[] sz; } // 查找过程, 查找元素p所对应的集合编号 // O(h)复杂度, h为树的高度 int find(int p){ assert( p >= 0 && p < count ); // 不断去查询自己的父亲节点, 直到到达根节点 // 根节点的特点: parent[p] == p while( p != parent[p] ) p = parent[p]; return p; } // 查看元素p和元素q是否所属一个集合 // O(h)复杂度, h为树的高度 bool isConnected( int p , int q ){ return find(p) == find(q); } // 合并元素p和元素q所属的集合 // O(h)复杂度, h为树的高度 void unionElements(int p, int q){ int pRoot = find(p); int qRoot = find(q); if( pRoot == qRoot ) return; // 根据两个元素所在树的元素个数不同判断合并方向 // 将元素个数少的集合合并到元素个数多的集合上 if( sz[pRoot] < sz[qRoot] ){ parent[pRoot] = qRoot; sz[qRoot] += sz[pRoot]; } else{ parent[qRoot] = pRoot; sz[pRoot] += sz[qRoot]; } } };
基于rank的优化
-
考虑到一个节点数少的集合其层数有可能更多,而一个节点数多的集合其层数有可能少。因此,仅仅基于集合中节点的个数来作为合并的依据并不完全准确,而应该基于集合所代表的的树的层数。如下图所示,虽然以节点7为根的集合的节点数多于以节点8为根的集合,但在进行union(7,8)操作时,应将节点7连到节点8上,而不是相反。
-
-
class UnionFind{ private: int* rank; // rank[i]表示以i为根的集合所表示的树的层数 int* parent; // parent[i]表示第i个元素所指向的父节点 int count; // 数据个数 public: // 构造函数 UnionFind(int count){ parent = new int[count]; rank = new int[count]; this->count = count; for( int i = 0 ; i < count ; i ++ ){ parent[i] = i; rank[i] = 1; } } // 析构函数 ~UnionFind(){ delete[] parent; delete[] rank; } // 查找过程, 查找元素p所对应的集合编号 // O(h)复杂度, h为树的高度 int find(int p){ assert( p >= 0 && p < count ); // 不断去查询自己的父亲节点, 直到到达根节点 // 根节点的特点: parent[p] == p while( p != parent[p] ) p = parent[p]; return p; } // 查看元素p和元素q是否所属一个集合 // O(h)复杂度, h为树的高度 bool isConnected( int p , int q ){ return find(p) == find(q); } // 合并元素p和元素q所属的集合 // O(h)复杂度, h为树的高度 void unionElements(int p, int q){ int pRoot = find(p); int qRoot = find(q); if( pRoot == qRoot ) return; // 根据两个元素所在树的元素个数不同判断合并方向 // 将元素个数少的集合合并到元素个数多的集合上 if( rank[pRoot] < rank[qRoot] ){ parent[pRoot] = qRoot; } else if( rank[qRoot] < rank[pRoot]){ parent[qRoot] = pRoot; } else{ // rank[pRoot] == rank[qRoot] parent[pRoot] = qRoot; rank[qRoot] += 1; // 此时, 我维护rank的值 } } };
路径压缩
-
路径压缩是对find过程进行优化
-
之前的find过程需要不断遍历其父亲节点直到遇到根节点,这对于层数较高的节点来说会消耗较多时间,如下图中,若要find(4),则需要不断遍历
-
-
路径压缩是在find的过程中不断地让该节点指向其父亲节点的父亲节点。如下图所示:
-
-
更理想的情况是将层数压为一层,如下图所示:
-
-
// 查找过程, 查找元素p所对应的集合编号 // O(h)复杂度, h为树的高度 int find(int p){ assert( p >= 0 && p < count ); // path compression 1 while( p != parent[p] ){ parent[p] = parent[parent[p]]; p = parent[p]; } return p; // path compression 2, 递归 // if( p != parent[p] ) // parent[p] = find( parent[p] ); // return parent[p]; }
-
经过路径压缩后,时间复杂度近乎为O(1)