算法模板-并查集

简介

并查集主要可以用来解决一些元素分组的问题。它由一系列不相交的集合构成。并查集，顾名思义，支持“合并”和“查找”这两种操作：

• 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。

并查集的引入

例题

**题目背景**
若某个家族人员过于庞大，要判断两个是否是亲戚，确实还很不容易，现在给出某个亲戚关系图，求任意给出的两个人是否具有亲戚关系。
**题目描述**
规定：x和y是亲戚，y和z是亲戚，那么x和z也是亲戚。如果x,y是亲戚，那么x的亲戚都是y的亲戚，y的亲戚也都是x的亲戚。
**输入格式**
第一行：三个整数n,m,p，（n<=5000,m<=5000,p<=5000），分别表示有n个人，m个亲戚关系，询问p对亲戚关系。
以下m行：每行两个数Mi，Mj，1<=Mi，Mj<=N，表示Mi和Mj具有亲戚关系。
接下来p行：每行两个数Pi，Pj，询问Pi和Pj是否具有亲戚关系。
**输出格式**
P行，每行一个’Yes’或’No’。表示第i个询问的答案为“具有”或“不具有”亲戚关系。

假如x和y是亲戚，y和z是亲戚，那么x和z也是亲戚，而且如果x和y是亲戚，那么x的亲戚也就是y的亲戚。所以我们可以把有亲戚关系的全部划入到一个集合中，查询两人是不是亲戚，只需要看两人是否在同一个集合中。这里便可以引入并查集进行维护。

并查集的初始化

并查集的重要思想在于，用集合中的一个元素代表集合。那么在初始化的时候，每个人的父结果点指向自己，自己单独为一个集合，这个集合的“代表”就是自己。
初始化的代码如下：

int fa[MAXN];
void init(int n)
{
    for (int i = 1; i <= n; ++i)
        fa[i] = i;
}

并查集的初查询

在查询的时候，一般采用递归的查询方式，代码如下：

int find(int x)
{
    if(fa[x] == x)
        return x;
    else
        return find(fa[x]);
}

上述代码中，如果该结点的父节点是自己，那么返回自己；如果父节点不是自己，那么递归查询父节点的父节点，一直寻找到该集合的代表元素，即父节点是自己的元素。那么查询两个元素是否属于同一个集合，只需要看查询到的代表元素是否相同。

并查集的合并

合并操作也很简单，先找到两个元素所属集合的代表元素，然后将前者的父节点设为后者。当然也可以将后者的父节点设为前者，这里暂时不重要。代码如下：

void merge(int i, int j)
{
    fa[find(i)] = find(j);
}

路径压缩

思考下面这个场景，

假如我们要将“2”和“3”进行合并，从“2”找到“1”，然后fa[1]=3，更新之后的图为：

再合并一各“4”，从“2”找到“1”，然后fa[1]=4，更新之后的图为：

不难看出，这的合并，会使得集合的高度增长的十分迅速，那这时再查找最下面的元素时便会十分困难。怎么解决呢？我们可以使用路径压缩的方法。因为我们只关心一个元素所在集合的根节点，即代表元素，那么每个元素到跟结点的路径都是1的话，那就再好不过了，就像下图：

我们只需要在查询的时候，把沿途的每个节点的父节点都设为根节点，代码如下：

int find(int x)
{
    if(x == fa[x])
        return x;
    else{
        fa[x] = find(fa[x]);  //父节点设为根节点
        return fa[x];         //返回父节点
    }
}

上面的代码也可以简化成这样：

int find(int x)
{
    return x == fa[x] ? x : (fa[x] = find(fa[x]));
}

例题代码

至此，我们可以写出上述例题的整体代码，如下：

#include <cstdio>
#define MAXN 5005
int fa[MAXN], rank[MAXN];
void init(int n)
{
    for (int i = 1; i <= n; ++i)
    {
        fa[i] = i;
    }
}
int find(int x)
{
    return x == fa[x] ? x : (fa[x] = find(fa[x]));
}
void merge(int i, int j)
{
    fa[find(i)] = find(j);
}
int main()
{
    int n, m, p, x, y;
    scanf("%d%d%d", &n, &m, &p);
    init(n);
    for (int i = 0; i < m; ++i)
    {
        scanf("%d%d", &x, &y);
        merge(x, y);
    }
    for (int i = 0; i < p; ++i)
    {
        scanf("%d%d", &x, &y);
        printf("%s\n", find(x) == find(y) ? "Yes" : "No");
    }
    return 0;
}

并查集的优化

当我们在合并两个集合的时候，是可以将a的父节点设为b，也可以将b的父节点设为a。如果以a为根节点的树高度为10，以b为根节点的树高度为2，那么明显将b的父节点设为a效率更高。

按秩合并

我们可以在合并的时候按秩合并，在初始化的时候，每个节点的秩为1，该值在每次合并的时候会进行更新，代表以当前节点为父节点的树的高度，那么自然而然，合并的时候，我们将秩更低的节点的父节点指向秩更高的那个节点，是更合适的。
需要注意的是，按秩合并和路径压缩是无法同时使用的。因为路径压缩的时候，会破坏树的高度，再采用秩作为合并时候的标注，便会引入错误信息。所以我们更可以采取下面的方式。

按大小合并

既然路径压缩的时候，会破坏树的高度，那么有什么是不会变的呢？就是该树的结点数量。往往（不能说绝对）结点数量少的树，高度也会相对较小。而且我们在路径压缩的时候，并不会改变一棵树的节点数量。具体的方法便是，在初始化的时候，每个节点并不需要自环（fa[i]=i），将每个节点指向-1（fa[i]=-1），用来标记根节点，那么在合并的时候，将两个根节点指向的负数进行合并。例如a的根节点指向-2，b的根节点指向-5，说明a所在的集合有2个元素，b所在的集合有5个元素，所以我们将a的根节点的父节点设为b，然后将b指向的-5改为-7（-2-5=-7），代表更新后，集合含有7个元素。

参考

本文参考https://zhuanlan.zhihu.com/p/93647900/。