每日一题-6.8

刷leetcode 990. 等式方程的可满足性

• 最开始我的思路比较麻烦，刷题还是少。
  我想着把所有的字符读出来以后都把他们当作一个个节点，将等式和不等式分开使用，然后根据等式关系可以建立无向图的邻接矩阵。将有不等式关系的符号在图中用遍历方法来求两个节点是否连通。这样的算法是正确的，但是有点太过于繁复了。这里的比较好的解题思路是并查集算法（union-find),我之前在算法第四版里面看到过，但是忘掉了，今天这道题让我又拿出书看了一遍。这个并查集的算法可以很容易的解决连通图的问题，对数据进行分组，和判断两个节点是否属于同一类别
  union-find 算法 中关键是三个函数和一个数组

index[];//数组用来记录节点的标记，可以看作树的父节点构造形式，
//每个节点的标记都指向他的父节点，根节点指向自己
connect(p,q);//判断两个节点是否连通
find(p);//找到p所在的连通图类别
union(p,q);//如果p,q属于一个连通图则不用操作，如果不是则将两个连通图链接到一起

union-find 三种常见实现方法

1.quick-find

• 这第一种就比较暴力，在合并时候将某一个连通域的标记全部改成另一个连通域的标记。但是在find的时候只要一步就可以到位。但是每一次uinon都要遍历所有的节点，比较麻烦。

2.quick-union

• 这个方法折中一下，让find不是很方便，甚至在某些情况下需要很多步，其思想就是将属于一个连通域的所有节点都构造成一颗树的形式，其实第一种方法也是一棵树，只是高度只有2而已。但是在这个方法中，find的操作是一直向父节点链接查找直到根，根节点编号就是这个连通域的标记。union的操作是对两个合并节点进行find,如果他们的find返回值不同，则将其中一个连通域的根链接到另一个连通域的根上。这样的话，union操作就比遍历所有节点要快很多。但是这个方法的缺点就是，假如树变成一条单链一样的话就几近是遍历了，甚至find也得遍历，这就很难受。

3.加权的quick-union

• 最后的这个办法是很好的，quick-union其实想想是不错的，就是有特殊情况太糟糕了，但是我们只要避免这个特殊情况就可以让他的效果很好。我们要控制树的高度，find操作的复杂度与树高联系在一起。在合并时可以让小树总是链到大树的根上，而不是大树链接到小树上，这样就可以很大程度控制树高的增长速度，只是需要记录连通域树的节点数，需要增加一些变量。