算法之并查集整理

力扣题解990.等式方程的可满足性

思路：由于相等关系具有传递性，所有相等的变量属于同一个集合；只关心连通情况，不关心距离，因此很容易想到并查集。

设计算法流程：

• 扫描所有等式，将等式两边的顶点进行合并；
• 扫描所有等式，检查每一个不等式的两个顶点是不是在一个连通分量里：
  • 如果在，返回false表示等式方程有矛盾
  • 如果所有检查没有矛盾，返回true

并查集（union-find algorithm,Disjoint Sets）：

• • 并查集用于判断一对元素是否相连，它们的关系是动态添加的，这一类问题叫作“动态连通性”问题
  • 主要支持“合并”与“查询是否在同一个集合”操作；
  • 底层结构是“数组”或者“哈希表”，用于表示“结点”指向的“父结点”，初始化时指向自已；
  • “合并”就是把一个集合的根结点指向另一个集合的根结点，只要根结点不一样，就表示在同一个集合里；
  • 这种表示“不相交集合”的方法称之为“代表元法”，以每个结点的根结点作为一个集合的“代表元”
• 并查集的应用：最小生成树，kruskal算法

每个节点都保存了到节点的引用

        并查集的优化：路径压缩（Path Compression）与按“秩（rank）”合并

        路径压缩是指在查询的过程中，更改节点的指向，使得树的高度更低，一般而言，有“隔代压缩”和“完全压缩”两种策略。

        按秩合并是指在合并的过程中，使得“高度”更低 的树的根结点指向高度更高的根结点，以避免合并以后的树高度增加

        路径压缩和按秩合并一起使用的时候，难以维护“秩”准确的定义，但依然具有参考价值。

        并查集同时使用“路径压缩”和“按秩合并”，“合并”与“查询”的时间复杂度接近O(1)；

public class UnionFind {
   private int[] parent;

   public UnionFind(int n) {
      parent = new int[n];
      for (int i = 0; i < n; i++) {  //每个节点赋值给自已，表示每个节点是单独的集合
         parent[i] = i;
      }
   }

   /**
    *
    * @param x
    * @return 返回根节点
    */
   public int find(int x) {
      while (x != parent[x]) {
         parent[x] = parent[parent[x]]; //路径压缩
         x = parent[x];
      }
      return x;
   }

   /**
    * 如果合并成功，返回true
    * @param x
    * @param y
    */
   public void union(int x, int y) {
      int rootX = find(x);
      int rootY = find(y);
      parent[rootX] = rootY;
   }

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

力扣中并查集相关的题目：

• 547：朋友圈
• 200：岛屿数量
• 684：冗余连接
• 1319：连通网络的操作次数
• 399：除法求值
• 952：按公因数计算最大组件大小