并查集详解

并查集

参考：【算法与数据结构】—— 并查集-CSDN博客

1. 概论

定义：

并查集是一种树形的数据结构，用于处理一些不相交集合的合并及查询问题（即所谓的并、查）。比如说，我们可以用并查集来判断一个森林中有几棵树、某个节点是否属于某棵树等。

主要构成：

并查集主要由一个整型数组pre[] 和两个函数 find()、join()构成

pre[] 记录每个点的前驱节点。

find(x) 用于查找指定节点 x 属于哪个集合，返回该集合的根节点（元节点）

join(x, y) 用于合并两个节点 x 和y

适用：

• 求连通分支数（如果一个图中所有点都存在可达关系（直接或间接相连），则此图的连通分支数为1；如果此图有两大子图各自全部可达，则此图的连通分支数为2……）
• 求图中任意两个节点是否连通（存在路径）。

2. 并查集的现实意义：

对于若干个具有层级关系的连通图(树)，快速查找两个节点是否连通，不关心他们具体是如果连通的，

内部结构是怎样的，甚至根节点是哪个，都不重要。所以并查集在初始化时，教主可以随意选择（就不必再搞什么武林大会了），只要能分清敌友关系就行。

3. find() 函数实现

定义

find() 函数要实现找到节点x所属集合的根节点，可以结合pre[] 数组找，通过pre[]数组一直找x的上级，直到pre[x] == x

public int find(int x){
    while(pre[x] != x){
        x = pre[x];
    }
    return x;
}

**优化：**路径压缩优化

上述再找根节点的时候，需要一级一级向上找，不过这个步骤是不必要的，我们只关心x的根节点是谁，不关心x 经过了多少节点才找到根节点，因此把x 的上级直接设成根节点最好，可以提升效率，这被称为路径压缩。

public int find(int x){
    if(pre[x] == x) return x;
    reutrn pre[x] = find(pre[x]); // 找到根节点，然后将x的前驱节点设成根节点。
}

4. join() 函数实现

定义：

join(x, y) 函数是将x, y 两个节点建立联系，也就是将x 与y 所属的连通图连起来形成一个连通图。如果x,y 属于一个图，则不用操作，如果不属于，则找到两者的根节点，将一个根节点的父节点设置成另一个根节点即可。

public void join(int x, int y){
    int px = find(x), py = find(y);
    if(px == py)return;
    pre[px] = py;//让py 作为 px 的前驱。
}

优化： 加权标记优化

上述操作是随机选择，我们直到两个树的高度可能不同，如果将高度高的树接在高度低的树上则会增加总体高度，影响效率。因此给每个节点引入一个权值rank[i]，该权值记录节点的高度，在合并的时候通过比较节点高度，将高度低的接在高度高的树上。

public boolean join(int x, int y){
        int px = find(x), py = find(y);
    	if(px == py)return false;
        if(rank[px] > rank[py])
            pre[py] = px;
        else{
            // 如果两棵树高度相同，将 py 当最终根节点时py的高度会 + 1
            if(rank[x] == rank[y]){
                rank[y] ++;
            }
            pre[px] = py;
        }
        return true;
	}

5. 查看两个节点是否连通

public boolean connect(int x, int y) {
        return find(x) == find(y);
 }

6. 查看连通集合的个数

使用路径压缩的并查集，如果pre[x] = x 就说明存在一个集合。

public int getConnectNum(){
    int res = 0;
    for(int i = 0; i < pre.length; i ++){
		if(pre[i] = i)res ++;
    }
    return res;
}

7. 总体代码实现

public calss UnionSet{
    int[] pre;	// 前驱数组
    int[] rank;	// 权值数组
    public Unionset(int n){
        pre = new int[n];
        rank = new int[n];
        this.init(n);
    }
    // 初始化
    private void init(int n){
        for(int i = 0; i < n; i ++){
            pre[i] = i;
            ran[i] = 1;
        }
    }
    
    public int find(int x){
        if(pre[x] == x) return x;		//递归出口：x的上级为 x本身，即 x为根结点 
    	return pre[x] = find(pre[x]);   //此代码相当于先找到根结点 rootx，然后 pre[x]=rootx 
    }
    
    public boolean join(int x, int y){
        int px = find(x), py = find(y);
    	if(px == py)return false;
        if(rank[px] > rank[py])
            pre[py] = px;
        else{
            // 如果两棵树高度相同，将 py 当最终根节点时py的高度会 + 1
            if(rank[x] == rank[y]){
                rank[y] ++;
            }
            pre[px] = py;
        }
        return true;
	}
    
    public boolean connect(int x, int y) {
        return find(x) == find(y);
 	}
    
    public int getConnectNum(){
        int res = 0;
        for(int i = 0; i < pre.length; i ++){
            if(pre[i] = i)res ++;
        }
        return res;
	}
    
}