优雅的数据结构–并查集
概念介绍
先来想想「亲戚」这个词的定义:「指和自己有血亲和姻亲的人」。你和你女友家属本身并非是亲戚关系,一旦结婚后,两家人便成为了一家人,你的家人包括你在内和你女友及其家人自动成为了亲戚,这就是一个典型的并查集应用。并查集是一种树形的数据结构,用于处理一些不相交集合的合并及查询,上面例子中「结婚」其实就是并查集的合并操作
下面我们来演示下并查集的常规操作,我们默认创建6个元素,这6个元素我们可以看成是互不相交的6个集合
![dcaa3aae787f94946fcf9c8365b1e037.png](https://i-blog.csdnimg.cn/blog_migrate/bc0178209a7ff890a8b146c6d7a34e0e.jpeg)
进行几次简单合并操作,我们把元素0,2,4合并为集合set0,1,3合并为set1,5单独看成一个set2
![9a7566bdc0ed94bee4381164770acb26.png](https://i-blog.csdnimg.cn/blog_migrate/6244df959c6b2b1ff713c50a8fcbe84b.jpeg)
查询操作
![72cdd2f46df0ad2776082229b6cbe80f.png](https://i-blog.csdnimg.cn/blog_migrate/e75d96ecb4250474833f393e6847aa06.jpeg)
实现方法
初始化(make_set)
我们可以把并查集看成是由很多颗树组成的森林,每棵树中相连的结点都代表属于同一集合,树中parent指向自己的根结点被视为该集合的代表。初始的时候,我们用一个parent数组存储所有结点的父结点下标,由于默认情况下每个集合互不相交,所以我们令每个结点的parent都指向自己,这样就生成了N棵以自己为根的树组成的森林。
![a8d8ed787ee908cc56b39c6753ad3ae7.png](https://i-blog.csdnimg.cn/blog_migrate/b2b069d751c85f05aed426ce16b80c26.jpeg)
parent数组的初始化结构如下图所示:
![367f22d8f8c7bc1c46e552cb63faf135.png](https://i-blog.csdnimg.cn/blog_migrate/3dce475c3c7bfcdc734e30a3158e9af5.jpeg)
初始化并查集的代码:
void make_set (){ for (int i=0;i
合并(Union)
Union(a,b)会将a所在的集合与b所在的集合相结合。在数据结构的实现上,只需要将b的根结点指向a的根结点,或a的根结点指向b的根结点即可,本文中默认使用前者。假设我们现在要将0,2,4合并为一个集合,1,3 合并为一个集合,5单独视为一个集合,那么运算的过程的可能如下:
合并0和2,需将2指向0。
![33093f696a94e752ce77463357ca456d.png](https://i-blog.csdnimg.cn/blog_migrate/b3b855d84fb4fe873e5c1ca6041f0932.jpeg)
合并2和4,需将4指向2的根结点0。
![eab8da3f62d5e978e8c81591f7991477.png](https://i-blog.csdnimg.cn/blog_migrate/ff4553e4308fe52f8ea509ff71dcb3a6.jpeg)
合并1和3,需将3指向1。
![6aa0809685d886684975076266a32f37.png](https://i-blog.csdnimg.cn/blog_migrate/bbb3a3a659cb2c3e43e19c6e97e5c683.jpeg)
接着,如果想要继续Union(5,3),我们可以先获得结点3所处树的根结点1,让1指向5即可。但是这样树的高度要比5指向1的树要高,随着并查集规模的增大,树会多出很多不必要的高度,这将导致并查集的查询更耗时。
![675ea44aa953c79a824985a406ca3fee.png](https://i-blog.csdnimg.cn/blog_migrate/e44db1c565e990004222d9c3d3e64c52.jpeg)
为了让合并后树的整体高度相对更矮,在每次合并时,我们让高度较矮的树并入高度较高的树,这种优化会在之后的代码中体现出来。
![4e6d163348f6dae2673c108988686e26.png](https://i-blog.csdnimg.cn/blog_migrate/cbca7528fcad99c1ad8bc48e4fbb10d2.jpeg)
最后,如果我们想要Union(2,3),由于2,3各自所处的树高度相同,所以按默认方式将「3」的根结点「1」指向「2」的根结点「0」即可。
![714fc34447fb12dea233529e50f6551d.png](https://i-blog.csdnimg.cn/blog_migrate/1f2e9c366ca8c31deb55282da874607c.jpeg)
在实现Union函数之前,我们先增加一个rank[N]数组记录高度,默认的时候rank数组全部设置为0,rank中数值随着并查集的合并而改变。下面给出Union的代码:
void union_set(int a,int b) { if (a==b) return; // 相同 int root_a = find_root(a);//找到a的根结点 int root_b = find_root(b);//找到b的根结点 if (root_a == root_b) return; //根结点相同 int higher_root = rank[root_a]>rank[root_b] ?root_a:root_b;// 选出较高的树 int lower_root = rank[root_a]
查询(Find)
查询某个元素所在的集合非常简单,由于parent数组记录了每一个元素的父结点,我们只需要递归回溯即可。
![9c6deb6ef39d58385b957583041fe31a.png](https://i-blog.csdnimg.cn/blog_migrate/f272c75d69f1580b4c5f3bec7b9d6ac8.jpeg)
执行find_root(5)后沿着红线向上回溯找到0,执行find_root(2)后沿着红线向上回溯也找到了0,说明5和2同属一个集合,而执行find_root(7)后沿着红线回溯找到了6,故7和元素5,2不属于同一个集合。下面给出实现代码:
int find_root(int node) { if (parent[node] == node) return node; return find_root(parent[node]);}复制代码
路径压缩(Path Compression)
在查询某个元素的所在集合的时候,上面的find_root(int node)函数会返回元素所在的树的根结点------这个集合的代表,在这个过程中,我们可以将当前待查找的元素直接指向这个根结点,降低树的高度,从而使得查询速度得到提升。以上图为例子,执行find_root(3),find_root(5)后树形结构会变成如下结构:
![c99c61c8aebb32b51806db94fcc858ef.png](https://i-blog.csdnimg.cn/blog_migrate/31601d92f913163a6c5f697fecb3646b.jpeg)
代码实现上的改动非常小:
int find_root(int node) { if (parent[node] == node) return node; parent[node] = find_root(parent[node]); // 指向根结点 return parent[node];}复制代码
完整的代码+前面的例子
并查集的代码和逻辑都非常精简,在我看来是非常优雅的数据结构。
#include#include #define N 10000+10int parent[N];int rank[N];void make_set (){ for (int i=0;irank[root_b] ?root_a:root_b;// 选出较高的树 int lower_root = rank[root_a]