hdu 1213 How Many Tables（并查集学习）

题目：

    链接：点击打开链接

题意：

    有n个朋友，编号为1......n。知道其中一些人相互认识，求最少需要多少桌子。

算法：

    并查集算法的模板题。

    (来源：LCY-teacher课件)

    >>在某个城市里住着n个人，现在给定关于 n个人的m条信息（即某2个人认识）假设所有认识的人一定属于同一个单位，请计算该城市最多有多少单位？

  >>如何实现？

  >>什么是并查集？

  >>英文：Disjoint Set，即“不相交集合”将编号分别为1…N的N个对象划分为不相交集合，在每个集合中，选择其中某个元素代表所在集合。常见两种操作：I.合并两个集合.II.查找某元素属于哪个集合

  >>实现方法1：。用编号最小的元素标记所在集合；。定义一个数组set[1..n] ，其中set[i] 表示元素i 所在的集合。

<span style="font-size:14px;">find1(x)
{
    return set[x];
}
</span>

<span style="font-size:14px;">Merge1(a,b)
{    i = min(a,b);
     j = max(a,b);
     for (k=1; k<=N; k++) {
         if (set[k] == j)
            set[k] = i;
     }
}
</span>

对于合并我们必须搜索全部元素，效率太低。

    >>考虑用树结构？

    >>

n每个集合用一棵“有根树”表示

n定义数组 set[1..n]

nset[i] = i , 则i表示本集合，并是集合对应树的根

nset[i] = j, j<>i, 则 j 是 i 的父节点. 

    >>代码：

merge2(a, b)
{
    if (a<b)
       set[b] = a;
    else
       set[a] = b;
}

find2(x)
{
   r = x;
   while (set[r] != r)
      r = set[r];
   return r;
}

最坏情况Θ(N)

    >>避免最坏情况：

n方法：将深度小的树合并到深度大的树

n实现：假设两棵树的深度分别为h1和h2, 则合并后的树的高度h是:

nmax(h1,h2), if h1<>h2.

nh1+1, if h1=h2.

n效果：任意顺序的合并操作以后，包含k个节点的树的最大高度不超过

merge3(a,b)
{ if (height(a) == height(b)) {
       height(a) = height(a) + 1;
       set[b] = a; 
   } else if (height(a) < height(b))
      set[a] = b;
   else  
      set[b] = a; 
 }

find2(x)    
{
   r = x;
   while (set[r] != r)
      r = set[r];
   return r;
}

路径压缩：

n思想：每次查找的时候，如果路径较长，则修改信息，以便下次查找的时候速度更快

n步骤:

n第一步，找到根结点

n第二步，修改查找路径上的所有节点，将它们都指向根结点

find3(x)
{
      r = x;
      while (set[r] <> r) //循环结束，则找到根节点
          r = set[r];       
      i = x;
      while (i <> r) //本循环修改查找路径中所有节点
      {   
          j = set[i];
         set[i] = r;
          i = j;
      }
}

-------------------------------------------------------------------------------------------------

摘抄牛人博客：

        链接：点击打开链接

内容：

        

l        并查集：(union-find sets)

一种简单的用途广泛的集合. 并查集是若干个不相交集合，能够实现较快的合并和判断元素所在集合的操作，应用很多，如其求无向图的连通分量个数等。最完美的应用当属：实现Kruskar算法求最小生成树。

l        并查集的精髓（即它的三种操作，结合实现代码模板进行理解）：

1、Make_Set(x) 把每一个元素初始化为一个集合

初始化后每一个元素的父亲节点是它本身，每一个元素的祖先节点也是它本身（也可以根据情况而变）。

2、Find_Set(x) 查找一个元素所在的集合

查找一个元素所在的集合，其精髓是找到这个元素所在集合的祖先！这个才是并查集判断和合并的最终依据。
判断两个元素是否属于同一集合，只要看他们所在集合的祖先是否相同即可。
合并两个集合，也是使一个集合的祖先成为另一个集合的祖先，具体见示意图

3、Union(x,y) 合并x,y所在的两个集合

合并两个不相交集合操作很简单：
利用Find_Set找到其中两个集合的祖先，将一个集合的祖先指向另一个集合的祖先。如图

 

l        并查集的优化

1、Find_Set(x)时 路径压缩
寻找祖先时我们一般采用递归查找，但是当元素很多亦或是整棵树变为一条链时，每次Find_Set(x)都是O(n)的复杂度，有没有办法减小这个复杂度呢？
答案是肯定的，这就是路径压缩，即当我们经过"递推"找到祖先节点后，"回溯"的时候顺便将它的子孙节点都直接指向祖先，这样以后再次Find_Set(x)时复杂度就变成O(1)了，如下图所示；可见，路径压缩方便了以后的查找。

2、Union(x,y)时 按秩合并
即合并的时候将元素少的集合合并到元素多的集合中，这样合并之后树的高度会相对较小。

---------------------------------------------------------------------------

模板：

int root[MAXN];//root[x]表示x的父节点

void init()//初始化
{
    for(int i=0; i<MAXN; i++)
    {
        root[i] = i;
    }
}

int findset(int x)//不带路径
{
    int r = x;
    while(r != root[r])
        r = root[r];
    return r;
}

void mergeset(int x,int y)//集合合并
{
    int fx = findset(x);
    int fy = findset(y);
    if(fx != fy)
    {
        root[fx] = fy;
    }
}

//路径压缩findset
int findset(int x)
{
    int t,r = x;
    while(x != root[x])
        x = root[x];
    while(r != root[r])
    {
        t = root[r];
        root[r] = x;
        r = t;
    }
}

思路：

代码：

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;

int n,m,a,b,cnt;
int father[1010];

int getfather(int n)
{
    while(n != father[n])
        n = father[n];
    return n;
}

void Union(int x,int y)
{
    int rootx = getfather(x);
    int rooty = getfather(y);
    if(rootx != rooty)
        father[rooty] = rootx;
}

int main()
{
    //freopen("input.txt","r",stdin);
    int t;
    cin>>t;
    while(t--)
    {
        getchar();
        cnt = 0;
        scanf("%d%d",&n,&m);
        for(int i=1; i<=n; i++)
            father[i] = i;
        for(int i=1; i<=m; i++)
        {
            scanf("%d%d",&a,&b);
            Union(a,b);
        }
        for(int i=1; i<=n; i++)
        {
            if(father[i] == i)
                cnt++;
        }
        printf("%d\n",cnt);
    }
    return 0;
}