数据合并设计_数据结构—并查集上

这是无量测试之道的第175篇原创

  今天主要介绍的是并查集这种数据结构。其本质上是解决某一些特定问题的而设计出的数据结构。大家可以了解下这种数据结构，作为自己知识的储备。

通过一个实际的问题引出并查集

  假设有 n 个村庄，有些村庄之间有连接的路，有些村庄之间并没有连接的路

设计一个数据结构，能够快速执行 2 个操作：

1. 查询 2 个村庄之间是否有连接的路

2. 连接 2 个村庄

  如果使用数组、链表、平衡二叉树、集合(Set) 都可以完成需求，但是查询、连接的时间复杂度都是 O(n)。并查集能做到查询、连接的均摊时间复杂度都是 O(α(n))，α(n) < 5，非常适合解决这类“连接”相关的问题。

并查集(Union Find)

并查集也叫作不相交集合(Disjoint Set)

并查集有2个核心操作:

• 查找(Find)：查找元素所在的集合
  (这里的集合并不是特指Set这种数据结构，是指广义的数据集合)

• 合并(Union)：将两个元素所在的集合合并为一个集合

有 2 种常见的实现思路：

• Quick Find
  查找(Find)的时间复杂度：O(1)
  合并(Union)的时间复杂度：O(n)

• Quick Union
  查找(Find)的时间复杂度：O(logn), 可以优化至 O(?(?)), α(?) < 5
  合并(Union)的时间复杂度：O(logn), 可以优化至 O(?(?)), α(?) < 5

如何存储数据？

假设并查集处理的数据都是整型，那么可以用整型数组来存储数据。

• 数组索引代表元素值

• 索引对应的值代表这个元素的根节点

将｛0，1，2，3，4，5，6，7｝存储到数组中，如下图：

  因此，并查集是可以用数组实现的树形结构(二叉堆、优先级队列也是可以用数组实现的树形结构)

并查集数据结构的接口定义

/**
 * 查找v所属的集合(根结点)
 */
public abstract int find(int v);
/**
 * 合并v1、v2所在的集合
 */
public abstract void union(int v1, int v2);
/**
 * 检查v1、v2是否属于同一集合
 */
public boolean isSame(int v1, int v2);

isSame()的实现十分简单

public boolean isSame(int v1, int v2){
    return find(v1) == find(v2);
}

元素的初始化

初始化时，每个元素各自属于一个单元素集合

private int[] parents;
public UnionFind(int capacity){
    if(capacity < 0){
        throw new IllegalArgumentException("capacity must >= 1");
    }
    parents = new int[capacity];
    for (int i = 0; i < parents.length; i++) {
        parents[i] = i;
    }
}

1.Quick Find

  Quick Find 的 union(v1, v2)让 v1 所在集合的所有元素都指向 v2 的根节点。
并且 Quick Find 的高度永远保持 <= 2。

union 示例及实现

例如：
  将｛0，1，2，3，4，5｝初始化为并查集，每个元素各自属于一个单元素集合：{0}, {1}, {2}, {3}, {4} 。

合并 1 和 0，union(1, 0)，即 {1} 指向了 {2} 。

然后，合并 1 和 2，union(1, 2)，1 所在集合有 {0, 1}，即 {0, 1} 指向了 2 。

再合并 3 和 4，union(3, 4)，即 {3} 指向了 {4} 。

合并 0 和 3，union(0, 3)，0 所在集合为 {0, 1, 2}，3 所在集合为 {3,4}，如下：

代码如下：

/**
 * 将v1所在集合的所有元素都嫁接到v2的父节点上
 * v1    v2   union(v1,v2)
 *  0    4       4
 * 1 2   3     0 1 2 3
 */
public void union(int v1, int v2){
    int p1 = parents[v1];
    int p2 = parents[v2];
    for (int i = 0; i < parents.length; i++) {
        if(parents[i] == p1){
            parents[i] = p2;
        }
    }
}

union 时间复杂度：O(n)

find 实现

  Quick Find 查找的时候，由于数组中存储的就是根结点，因此直接取出即可。

对上图执行 find():
find(0) == 2
find(1) == 2
find(2) == 2
find(3) == 4

/**
 * 父节点就是根节点
 */
public int find(int v){
    rangeCheck(v);
    return parents[v];
}

find 时间复杂度：O(1)

总结：

  今天主要介绍了并查集这种数据结构，然后详细的讲述了Quick Find的实现思路。希望给大家的知识库增加一些新的知识储备。

end

如果今天的分享对你有帮助的话，请毫不犹豫：关注、分享、点赞、在看、收藏呀~
你的鼓励将会是我创作的最大动力。

◆Docker 镜像配置，看这一篇足矣。 ◆Docker 三大核心概念 ◆AirTest-selenium基于Web实现UI自动化测试 ◆Python API自动化测试实操(高清版配图) ◆自动化测试必会—PageObject 设计模式

点个赞，点个在看再走啦~~~