路径压缩优化并查集的时间复杂度

最新推荐文章于 2022-01-05 01:06:42 发布
最新推荐文章于 2022-01-05 01:06:42 发布
阅读量6.2k 收藏 1
点赞数 3
分类专栏： 算法模板 并查集
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wang3312362136/article/details/86475324
版权

路径压缩优化并查集大家一定很熟练了，那么它的复杂度是多少呢？ O ( m α ( n ) ) O(m\alpha(n)) O(mα(n))？

的确，很多人都是这么说的，但是事实上它的复杂度是 O ( m log ⁡ 1 + m / n n ) O(m\log_{1+m/n}n) O(mlog1+m/n​n)的，并且能找到一种方法卡到这样的复杂度。

要卡并查集，首先要构造一种树——二项树。这种二项树还与普通的不太一样。

定义：在给定 j j j的情况下，二项树 T k T_k Tk​定义如下：

  • 若 k ≤ j k\leq j k≤j， T k T_k Tk​是一个点。
  • 若 k > j k>j k>j， T k T_k T
最低0.47元/天 解锁文章
wang3312362136
关注
  • 3
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
【LeetCode】论并查集的路径压缩
from 百万光年 import CSDN.net
01-23 559
记录下在LeetCode刷题时遇到的并查集的路径压缩实现上的部分问题； 题目本身很简单，并查集也无甚难点，但是有一些容易忽略的glitch容易WA，还是值得记录下来注意一下 顺便吐个槽，为什么LeetCode上这么多并查集的题啊…NOI根本不会这么频繁地考并查集啊…难道是因为难度原因吗… 构造中的并查集结构一般类似于这样： #mermaid-svg-XE1KofbxyzzoBni2 .label{font-family:'trebuchet ms', verdana, arial;font-family:
并查集
cookies_s_的博客
04-01 810
并查集（Disjoint Set）是一种数据结构，用于处理一系列不相交的集合的合并与查询问题。1. 合并（Union）：将两个集合合并为一个集合。2. 查询（Find）：确定一个元素属于哪个集合，通常用于判断两个元素是否属于同一个集合。并查集通常使用树结构来表示集合，其中每个节点表示一个元素，树的根节点表示集合的代表元素。通过路径压缩和按秩合并（没什么用）等优化方式，可以在近似常数时间内进行合并和查询操作。
并查集——路径压缩
Jiang_Shi的博客
07-11 1302
当元素数量很多并且形成一条链的时候，传统方法效率就会非常低，因此需要路径压缩。 路径压缩就相当于把路径上的所有结点的父亲结点都指向根节点，查找的时候就不用一直回溯去找父亲结点了，因此查询的复杂度降到了O(1)。 转换的过程可以概括为两个过程： ①按原先的写法获得x的根节点r ②重新从x开始走一遍寻找根结点的过程，把路径上经过的所有结点的父亲全部改为根结点r const int N = 100; int father[...
并查集分析
CoderPai的博客
04-06 910
以下内容整理至 《挑战程序设计竞赛》 1. 并查集是什么并查集是一种用来管理元素分组情况的数据结构。并查集可以高效地进行如下操作。不过需要注意并查集虽然可以进行合并操作，但是却无法进行分割操作。 查询元素 a 和元素 b 是否属于同一组。 合并元素 a 和元素 b 所在的组。 2. 并查集操作2.1 初始化我们准备 n 个节点来表示 n 个元素。最开始时没有边。程序实现如下：for(int i=0;
并查集及其路径压缩浅析
lin3ux的博客
01-05 1191
并查集（一种技巧） 实用的树形数据结构 主要处理不相交集合的查询与合并 选出集合中的某个元素为代表，集合中具体包含哪些元素不重要 将如下一系列操作复杂度降到常数级： 对于给定的元素，可以很快找到该元素所在集合 可以很快合并两个元素所在集合 用树根当一系列数字的代表 初始化函数的目的是使每个元素都是以自身为代表 表示： 不交集森林把每一个集合以一棵树表示，每一个节点即是一个元素。节点保存着到它的父节点的引用，树的根节点则保存一个空引用或者到自身的引用或者其他无效值，以表示自身为根节点。这个数据结构最
c语言数据结构之并查集 总结
08-27
在并查集的实现中，需要注意路径压缩的优化，可以将遍历过的结点都改成根的子结点，后面的查询就会变的快很多。并且，在合并元素时，也需要判断两棵树的高度，然后在决定谁为子树。 在编程实现中，可以使用c语言来...
并查集、最小生成树.pptx
07-26
综上所述，"并查集、最小生成树"的主题涵盖了数据结构和算法的知识点，包括并查集的查找、合并、路径压缩和按秩合并，以及最小生成树的概念和贪心算法的应用。这些内容对于理解和解决图相关的计算问题至关重要。
c++初级并查集知识点总结
08-25
- **路径压缩**：通过在`find()`过程中将沿途节点直接指向根节点，可以极大地减少查找时间，将查找复杂度降低到接近O(1)。 - **加权并查集**：为了避免树形结构过于倾斜，可以采用加权并查集策略，选择合并的两个...
C++并查集亲戚(Relations)算法实例
09-03
而并查集通过路径压缩优化，查找和合并操作的时间复杂度可以达到近乎常数的O(α(N))，其中α是逆元函数，对于较大的N，α(N)很小，因此并查集非常适合处理大规模的集合合并与查询问题。 示例输入和输出展示了如何...
python实现一个简单的并查集的示例代码
09-20
2. `get_root`方法用于查找元素的根节点，通过路径压缩优化查找效率。 3. `is_connected`方法判断两个元素是否属于同一集合。 4. `union`方法合并两个集合，通过`rank`数组保证树的平衡性。 并查集在解决图的连通性...
计算无向图中桥的数量（并查集+路径压缩）
12-20
输入节点数和边数自动生成无向图并计算桥的数量，一个cpp文件
并查集的路径压缩优化
扬俊的小屋
12-28 2万+
在上面两节中，我们讨论了基于Size和基于Rank的优化策略，但是这两种优化策略都集中在在优化Unionelements这个操作上，那么，对于并查集来说，是不是还有其他部分可以优化呢？当然，下面我们就来介绍一下优化find查询的优化策略： 一.基于循环的路径压缩优化 首先，让我们来回忆一下find执行的操作：从一个节点，不停的通过parent数组向上去寻找他的根节点，在这个过程中，我们相当于把
并查集（路径压缩）
夜雨声烦烦不烦
02-01 1253
写一道题的缘故整理来的（尽管最后发现并不需要用到并查集） 记得之前整理过一个，估计年纪大了，个人感觉这个更清楚一点（不过之前详解了过程） 用到的是循环路径压缩，详见代码： #include<iostream> #include<algorithm> using namespace std; int pre[120]; int find(int s)//查找该元素所对...
并查集路径压缩_算法竞赛专题解析(2)：并查集
weixin_39851918的博客
12-13 272
并查集并查集在算法竞赛中极为常见。并查集(Disjoint Set)是一种非常精巧而实用的数据结构，它主要用于处理一些不相交集合的合并问题。文章目录：01 并查集简介02 并查集的基本操作03 合并的优化04 查询的优化—路ing压缩05 带权并查集带权值的路径压缩和合并例题06 习题07 参考文献01并查集简介并查集(Disjoint Set)是一种非常精巧而实用的数据结构，它主要用于...
并查集的路径压缩（详细注释）
Double__E的博客
04-02 3307
并查集里的find函数里可以进行路径压缩，是为了更快速的查找一个点的祖先节点，有的题不路径压缩就会超时，所以路径压缩还是很重要的 int find(int a){ int b=a; //把初始值赋给b while(a!=fa[a]){ a=fa[a]; //找到a的祖先节点 } while(b!=a){ //直到b==a为止 int temp=fa[b]; //设一...
快速搞定并查集
sowhat
10-24 570
高清思维导图已同步Git：https://github.com/SoWhat1412/xmindfile，关注公众号sowhat1412获取海量资源 并查集 并查集被很多人认为是最简洁而优雅的数据结构之一，主要用于解决一些元素分组的问题。比如最小生成图里的克鲁斯卡尔算法就用的此知识点。它管理一系列不相交的集合，并支持两种操作： 合并（Union）：把两个不相交的集合合并为一个集合。 查询（Find）：查询两个元素是否在同一个集合中。 当然，这样的定义未免太过学术化，看完后恐怕不太能理解它具体有什么用.
路径压缩_并查集。路径压缩 算法运用学习（一）
weixin_33281940的博客
01-12 551
DescriptionBo has been in Changsha for four years. However he spends most of his time staying his small dormitory. One day he decides to get out of the dormitory and see the beautiful city. So he asks...
数据结构与算法（十二）并查集(Union Find)及时间复杂度分析
热门推荐
Chiclaim
06-17 4万+
本文主要包括以下内容： 并查集的概念 并查集的操作 并查集的实现和优化 Quick Find Quick Union 基于size的优化 基于rank的优化 路径压缩优化 并查集的时间复杂度 并查集的概念 在计算机科学中，并查集 是一种树形的数据结构，用于处理不交集的合并(union)及查询(find)问题。 并查集 可用于查询 网络 中两个节点的状态， 这里的网络是一个抽象的概...
如何使用并查集实现路径压缩？
最新发布
04-26
路径压缩是一种优化技巧，用于加速并查集的查找操作。在使用并查集实现路径压缩时，可以通过修改树的结构，将树的高度降低，从而减少查找操作的时间复杂度。 具体实现路径压缩的方法如下： 1. 在进行查找操作时，首先找到目标元素所在的根节点。 2. 在找到根节点后，将路径上的所有节点都直接连接到根节点上，使得树的高度降低。 3. 这样，在后续的查找操作中，相同路径上的节点都可以直接指向根节点，从而加速查找过程。 以下是使用并查集实现路径压缩的示例代码： ```python class UnionFind: def __init__(self, n): self.parent = [i for i in range(n)] self.rank = * n def find(self, x): if self.parent[x] != x: self.parent[x] = self.find(self.parent[x]) # 路径压缩 return self.parent[x] def union(self, x, y): root_x = self.find(x) root_y = self.find(y) if root_x != root_y: if self.rank[root_x] < self.rank[root_y]: self.parent[root_x] = root_y elif self.rank[root_x] > self.rank[root_y]: self.parent[root_y] = root_x else: self.parent[root_y] = root_x self.rank[root_x] += 1 # 示例用法 n = 10 # 假设有10个元素 uf = UnionFind(n) uf.union(0, 1) uf.union(2, 3) uf.union(4, 5) uf.union(6, 7) uf.union(8, 9) print(uf.find(1)) # 输出1，因为0和1已经合并在一起 print(uf.find(3)) # 输出3，因为2和3已经合并在一起 print(uf.find(5)) # 输出5，因为4和5已经合并在一起 print(uf.find(7)) # 输出7，因为6和7已经合并在一起 print(uf.find(9)) # 输出9，因为8和9已经合并在一起 ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值