并查集算法

并查集

本文主要内容来自：https://zhuanlan.zhihu.com/p/93647900
下文为我的学习笔记，主要是在作者的基础上进行一些总结分析，并为了更好理解，新增了少量内容

1. 定义
   并查集是一种树型的数据结构，用于处理一些不相交集合的合并及查询，主要用于解决元素分组问题（例如计算无向图中的连通分量个数）。
   并查集一般用一个整数数组来实现，并支持查找和合并两种操作。

• 整数数组（pre[]）：用来每个点的前驱节点是谁
• 查找操作（find(int x)）：用来查找指定节点x属于哪个集合，即查找x所属的树的根节点
• 合并操作（union(int x，int y)）：合并x和y节点所在的集合

2. 并查集的引入
   并查集的思想在于用集合中的一个元素来代表整个集合（这个元素在整个集合中有一个特殊的性质用来区分，后面我们会提到这个性质）。[【算法与数据结构】—— 并查集_酱懵静的博客-CSDN博客_并查集]这篇博文中用帮派来代表集合，帮主来代表集合中的代表元素。这里用相同的思想来简单介绍并查集的运作方式。
   

（整形数组pre[]，第一行代表数组中的元素，第二行代表下标，为了表示方便，下表从1开始）
最开始，所有大侠各自为战。他们各自的帮主自然就是自己。（对于只有一个元素的集合，代表元素自然是唯一的那个元素）
此时数组中每个元素的前驱节点都是自己，这整个数组中有6个不同的集合。

现在1号和3号比武，假设1号赢了（这里具体谁赢暂时不重要），那么3号就认1号作帮主_（合并1号和3号所在的集合，1号为代表元素）_。
在数组中，3号位置的前驱节点变成了1。

现在2号想和3号比武_（合并3号和2号所在的集合），但3号表示，别跟我打，让我帮主来收拾你（合并代表元素）_。不妨设这次又是1号赢了，那么2号也认1号做帮主。
在数组中，2号位置的前驱节点也变成了1。在这个过程中，首先查找3号节点所在集合的“帮主”——根结点1，然后在将2号所在的帮派与3号所在的帮派合并，2号认了1号为帮主，1号还是总帮主。
现在我们假设4、5、6号也进行了一番帮派合并，江湖局势变成下面这样：

现在假设2号想与6号比，跟刚刚说的一样，喊帮主1号和4号出来打一架。1号胜利后，4号认1号为帮主，当然他的手下也都是跟着投降了。

在数组中，4号的前驱节点变为1号，其余位置不变。

很容易可以发现，这是一个树状的结构。一个集合就构成了一颗树，整个集合的代表元素就是这棵树的根节点。根节点的特殊性质也很容易看出来：即数组中根节点的前驱节点就是它自己。
要寻找集合的代表元素，只需要一层一层往上访问父节点（图中箭头所指的圆），直达树的根节点（图中橙色的圆）即可。根节点的父节点是它自己。

用上述思想，我们可以直接写出并查集的代码：

1. 初始化：定义一个整型数组，并将其中的每个节点的前驱节点设为自己。

vector<int> fa(n+1);
for (int i = 1; i <= n; ++i)
	fa[i] = i;

2. 定义查找操作：
   用递归的写法实现对代表元素的查询：一层一层访问父节点，直至根节点（根节点的标志就是父节点是本身）——当遇到父节点就是自己的节点就停止递归，返回，否则继续向上递归。要判断两个元素是否属于同一个集合，只需要看它们的根节点是否相同即可。

int find(vector<int>& fa,int x)
{
	if(fa[x] == x)
        return x;
    else
        return find(fa , fa[x]);
}

3. 定义合并操作：
   找到两个集合的代表元素，然后将前者的父节点设为后者即可。当然也可以将后者的父节点设为前者，这里暂时不重要。

void union(vector<int>& fa,int i, int j)
{
    fa[find(fa,i)] = find(fa,j);
}

路径压缩

和二叉查找树一样，当并查集里的集合形成单只树的结构时，其查照操作会变得非常低效，查找到父节点的时间复杂度会达到$O(N)$。

为了解决这个问题，我们可以使用路径压缩的方法。既然我们只关心一个元素对应的根节点，那我们希望每个元素到根节点的路径尽可能短，最好只需要一步，像这样：

我们可以通过优化find()函数来做到这一点：

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
    }
}

如上通过递归的方法来逐层修改返回时某个节点的直接前驱。当x节点的前驱为自己时（pre[x]==x），递归停止。否则，继续递归寻找根节点。返回时将经过路径上的所有节点直接前驱都换成根节点，最后返回根节点。
该优化算法有一个缺点就是：只有当查找了某个节点的代表元素后，才能对该查找路径上的各节点进行路径压缩。即第一次执行查找操作的时候是实现没有压缩效果的，只有在之后才有效果。而且每次都只是对查找路径上的节点进行路径压缩，并没有压缩所有节点的路径，所以最终集合结构可能仍然比较复杂。

按秩合并法

例如，现在我们有一棵较复杂的树需要与一个单元素的集合合并：

假如这时我们要将7号节点和8号节点代表集合进行合并，如果我们可以选择的话，是把7的父节点设为8好，还是把8的父节点设为7好呢？

当然是后者。因为如果把7的父节点设为8，会使树的深度（树中最长链的长度）加深，原来的树中每个元素到根节点的距离都变长了，之后我们寻找根节点的路径也就会相应变长。虽然我们有路径压缩，但路径压缩也是会消耗时间的。而把8的父节点设为7，则不会有这个问题，因为它没有影响到不相关的节点。

这启发我们：我们应该把简单的树往复杂的树上合并，而不是相反。因为这样合并后，到根节点距离变长的节点个数比较少。

我们用一个数组rank[]记录每个根节点对应的树的深度（如果不是根节点，其rank相当于以它作为根节点的子树的深度）。一开始，把所有元素的rank（秩）设为1。合并时比较两个根节点，把rank较小者往较大者上合并。
即：
1、如果rank[x] < rank[y]，则令pre[x] = y；
2、如果rank[x] == rank[y]，则可任意指定上级；
3、如果rank[x] > rank[y]，则令pre[y] = x；

void union(vector<int>& fa,int x,int y)
{
    int x=find(fa,x);							//寻找 x的代表元
    int y=find(fa,y);						//寻找 y的代表元
    if(x==y) return; //两个节点属于同一集合，可以跳过
    if(rank[x]>rank[y]) fa[y]=x;		//如果 x的高度大于 y，则令y的前驱节点为 x
    else								//否则
    {
        if(rank[x]==rank[y]) rank[y]++;	//如果 x的高度和 y的高度相同，则令 y的高度加1
        pre[x]=y;						//让x的前驱节点为 y
    }
}