算法（第四版）学习笔记1--第一章--union-find算法

算法第一章-基础-1.5案例研究：union-find算法

问题陈述：动态连通性。给出一个整数集合，然后输入一列整数对，<p,q>代表p和q是连通的，即在一个连通分量重，最后得到这个整数集合的所有连通分量。

三种算法（第四种属理论）：

1）quick-find：用一个数组，数组下标代表所有整数，内容是下标整数所在的连通分量标志，选该连通分量里的某一个整数作为标志。这样，每两个不同的分量做连接操作时，要将其中一个原属的分量遍历修改一遍；做查找操作，只需比较两个分量的数组内容即可得知。

2）quick-union：用一个数组，数组下标代表所有整数，但内容不再是连通分量标志，而是其父节点。父节点就是通过做连接操作得到的，连接就是将一个节点作另一个节点的孩子，那么结果就是一棵树代表一个连通分量；做查找操作时，则要遍历一棵树。

3）加权quick-union：与2）的区别在于，连接操作时，加上一个条件判断，必须将高度较低的树向高度较高的树合并，这样随着树的扩大，整体深度会降低，遍历时就会更快。

4）最优算法（路径压缩）：将quick-find算法的思想加入到quick-union中，就是在find操作时，加一个循环将路径上遇到的所有节点都链接到根节点，这样当一棵树的所有非根节点都被链接到根节点后，find操作就可以直接通过判断是否有公共根节点判断是否连通。这种方法不保证每个操作都在常数级别完成，其对加权quick-union也很难改进，这种算法理论研究很复杂。

所以，最优算法仍是加权quick-union。

各种union-find算法性能比较：

算法	存在N个触点时成本的增长数量级（最坏情况）
	构造函数	union()	find()
quick-find算法	N	N	1
quick-union算法	N	树的高度	树的高度
加权quick-union算法	N	lgN	lgN
使用路径压缩的加权quick-union算法	N	很接近但仍没有达到1（均摊成本）
理想情况	N	1	1

注：也可以用绘制均摊成本图像的方法观察性能。方法：i表示处理的第i次连接。cost表示访问数组的次数。灰点（i,cost）表示第i次操作成本，红点（i,total/i）表示均摊成本。