5.【并查集】概念、代码实现、优化（Find优化、Union优化）

最新推荐文章于 2023-07-11 15:35:04 发布
最新推荐文章于 2023-07-11 15:35:04 发布
阅读量430 收藏
点赞数 1
分类专栏： 2024王道数据结构 文章标签： 数据结构 算法 c++
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/weixin_42214698/article/details/127814720
版权
本文介绍了并查集这种数据结构，包括其概念、作用及存储结构。并详细阐述了并查集的代码实现，包括初始化和并、查操作，以及这些操作的时间复杂度。此外，文章还探讨了并查集的优化技巧，如Find操作的路径压缩和Union操作的小树并入大树策略，以降低时间复杂度。经过优化，Find和Union操作的时间开销显著减少。
摘要由CSDN通过智能技术生成

文章目录

1. 并查集的概念、作用、存储结构

并查集属于逻辑结构中的“集合”

在这里插入图片描述

并查集的作用：

在这里插入图片描述

“并查集”的存储结构：用双亲表示法
因为双亲表示法很方便实现——>集合的“并（union）”、“查（find）”操作

在这里插入图片描述


</

了解本专栏 订阅专栏 解锁全文 超级会员免费看
你说的白是什么白_
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
并查集（Union-Find）介绍.zip
04-12
并查集（Union-Find）是一种用于处理连接关系的数据结构，它在计算机科学中有着广泛的应用，尤其是在图论、算法设计以及数据结构的学习中。这个数据结构的主要目标是高效地解决“查找”和“合并”两个操作，常用于...
【libreOJ模板】并查集（输入挂，取模与find优化）
Vincent19999999的博客
09-14 113
1.了解了各种输入挂性orz，找到了一个合适的 2.find用while写能快一倍，并且能被数据卡掉 3.取模只能快十几毫秒，但也能被数据卡掉 取模find双优化是1997mm过的 再加一个性价比较高的输入挂是438mm 23333 #include <cstdio> #include <cmath> #include <comple...
23王道——并查集及其Find、Union优化
下次再说的博客
04-05 653
并查集及其Find、Union优化操作
【算法】并查集优化 Union Find Optimization
Rolandxxx的博客
09-03 395
相对于原并查集代码模板，Quick Find就是在find函数里加了一层递归（紫色框部分），当我找到真正的根节点以后，把真正的根节点直接放在我当前的这个索引上来（索引表示值，索引对应的数组的值表示根节点）并查集优化就是针对并查集的Find和Union两种方法进行优化，即Quick Find和Quick Union。在做题时一般用Quick Find这个模块就足够了！
并查集及优化
Shumm_Gen的博客
03-18 151
原题链接： https://www.acwing.com/problem/content/838/https://www.acwing.com/problem/content/838/思路： 首先建立一个p[x]数组，来表示x的根节点； 一开始所有的数的根节点是它本身，所以先初始化一遍p[i]=i； 查集的最关键的操作就是查找x的根节点； int find (int x) // 返回x的根节点+路径压缩 { if(p[x]!=x) p[x]=find(p[x]); return p[x];
并查集优化
仰望蓝天的博客
03-06 346
void f(int x) { return parent[x]==0 ? x : parent[x]=f(x); }
c++并查集优化（基于size和rank）
08-25
在 UnionFind3.h 头文件中，我们实现了基于 size 的优化的并查集算法。在这个实现中，我们使用了一个 size 数组来维护当前集合中元素的个数。在 find 函数中，我们使用了迭代的方法来找到根节点。在 unionElements ...
数据结构--并查集的进一步优化
m0_60593173的博客
07-11 547
压缩路径−−Find操作，先找到根节点，再将查找路径上所有结点都挂到根结点下每次Find操作，先找根，再“压缩路径”，可使树的高度不超过Oαn))。αn是一个增长很缓慢的函数，对于常见的n值，通常αn≤4，因此优化后并查集的Find、Union操作时间开销都很低。
数据结构——并查集 时间复杂度优化：启发式合并
lsy201009的博客
09-03 1121
并查集优化：启发式合并
并查集Quick Union优化个人理解 && 并查集中集合的表示为何采用双亲表示法
qq_45699846的博客
08-08 406
并查集Quick Union优化个人总理解 并查集中集合的表示为何采用双亲表示法
并查集的路径压缩优化
热门推荐
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
unber的博客
06-27 310
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根节点。对于一个集合树来说，它的根节点下面可以依附着许多的节点，因此，我们可以尝试在 find 的过程中，从底向上，如果此时访问的节点不是根节点的话，那么我们可以把这个节点尽量的往上挪一挪，减少数的层数，这个过程就叫做路径压缩。如下图中，find(4) 的过程就可以路径压缩，让数的层数更少。
200.岛屿数量
s11235218的博客
08-07 245
200.岛屿数量 给你一个由 ‘1’（陆地）和 ‘0’（水）组成的的二维网格，请你计算网格中岛屿的数量。 岛屿总是被水包围，并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。 此外，你可以假设该网格的四条边均被水包围。 示例 1： 输入：grid = [ [“1”,“1”,“1”,“1”,“0”], [“1”,“1”,“0”,“1”,“0”], [“1”,“1”,“0”,“0”,“0”], [“0”,“0”,“0”,“0”,“0”] ] 输出：1 示例 2： 输入：grid = [ [“1
并查集最重要的优化：路径压缩
lsy201009的博客
12-11 1808
路径压缩其实就是把一条线上的所有点的祖先尽可能的往上，依次来减少搜索的次数。此时已知祖先了，接下来就是把这条线上所有的节点的父节点都变成此时的x。如果我们直接find(a)，就起不到把过程中的所有父节点都统计的作用了。因为我们优化的是find函数，所以我们先写一个find2。这样的路径压缩就会把时间复杂度从O(n)直线编程O(1)今天我们要来说另一种对并查集的优化：路径压缩。这样的话，共搜索次数为3次了，大大减少了时间。如果用我们刚才说的路径压缩的思想呢？这样，寻找c的搜索次数便可将至1次。
并查集 Union Find 路径压缩 简介+实现
Jason
06-19 2164
简介 适用于: 可以解决连接问题, 查看网络中的节点的连接状态(比通过求两个网络的路径来看连接状态效率高); 求两个集合的并集 合并和查找 指向同一个根节点的节点在同一个集合 并查集和其他树相比比较特殊的一点是: 其他的树都是从父节点指向子节点, 并查集是子节点指向父节点 一开始5个节点都自成一个集合, 他们的父节点是自己 如果合并1, 2 (执行union(1, 2)), 就把节点2作为节点1的父节点, 节点1指向节点2 合并节点3, 4(union(3, 4), 之后再合并节点4, 5(union
408数据结构学习笔记——树与二叉树的应用——哈夫曼树和哈夫曼编码、并查集
JiangNan_1002的博客
04-07 2205
1.哈夫曼树和哈夫曼编码 2.并查集
并查集算法
qq_43456605的博客
05-12 1205
并查集
并查集优化union
最新发布
12-23
并查集优化union操作的方法主要有路径压缩和按秩合并两种。 路径压缩是指在执行find操作时，将路径上的所有节点直接指向根节点，从而降低了树的深度，使得后续的find操作更快速。路径压缩可以通过递归或迭代的方式实现，递归方式会改变树的结构，而迭代方式不会改变树的结构，只是修改节点指向。路径压缩可以显著减少find操作的平均时间复杂度。 按秩合并是指在执行union操作时，将秩较小的集合合并到秩较大的集合上，从而降低了树的深度，避免了树的不平衡。具体实现方式是通过记录每个集合的秩，在合并时比较秩的大小，将秩较小的集合合并到秩较大的集合上，并更新秩的大小。按秩合并可以保持树的平衡，避免了树的深度过大，从而提高了find操作的效率。 两种方法可以结合使用，通过路径压缩和按秩合并，可以使并查集的find和union操作的平均时间复杂度均摊下降到接近常数级别，从而实现对并查集操作的优化。这种优化方法在实际应用中经常使用，特别是在大规模数据的情况下，可以显著提高算法的效率。
评论
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

打赏作者

你说的白是什么白_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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