并查集

作用：

判断两个节点 是否在一个集合内/是否联通

数据结构：

数组id，id[i] 表示第i个元素的父元素的位置

上图表示所有单数节点 和双数节点各在一个集合中

主要算法：

第一种算法（quick find)：

抽象数据结构如下，特点是最多只有双层，任何元素的父元素都是该集合的根元素

查找父元素:

int find(int p) {
		return id[p];
	}

quick find 使用O(1)的时间复杂度来找到父节点，但是相应的，需要接近O(n)时间来执行Union操作 

union 操作:

bool unionElements(int p, int q) {
		int pId = find(p);
		int qId = find(q);
		if (pId == qId) {
			return;
		}
		else {
			for (int i = 0; i < count; i++) {
				if (id[i] == pId) {
					id[i] == qId;
				}
			}
		}
	}

上面的代码中，为其中一个集合中的所有元素重新指定父节点，所以时间复杂度较大

第二种算法（quick union):

抽象数据结构如下，可以有多层结构，层数由实际问题决定，

查找根元素:

int find(int p) {
		while (p != parent[p]) {
			p = parent[p];
		}
		return p;
	}

需要逐层向上查询父节点来找到根节点

union (quick union):

bool unionElements(int p, int q) {
		int pRoot = find(p);
		int qRoot = find(q);
		if (pRoot == qRoot) {
			return;
		}
		else {
			parent[pRoot] = qRoot;
		}
	}

union 的时间复杂度与层数有关，层数越大，find的时间复杂度就越大，同时union的时间复杂度也越大

优化：

基于第二种算法的优化，减少层数

方法一：基于rank的优化

简单说就是在每次union的时候，总是选择将高度小的那个集合连接到高度大的集合的根节点上，只有当两个集合层数相同时，union后的集合层数才会增加

实现方法：

为每个根元素维护rank数组，表示元素所在的集合的高度

方法二：路径压缩

在find操作时，将元素的父节点设置为元素的父节点的父节点，以此来减少路径长度（集合高度），在最极端情况下，可以将所有元素都连接到根元素上