【高阶数据结构】并查集详解

并查集概述

并查集(Union Find)，又称不相交集合(Disjiont Set)，它应用于N个元素的集合求并与查询问题，在该应用场景中，我们通常是在开始时让每个元素构成一个单元素的集合，然后按一定顺序将属于同一组的元素所在的集合合并，其间要反复查找一个元素在哪个集合中。虽然该问题并不复杂，但面对极大的数据量时，普通的数据结构往往无法解决，并查集就是解决该种问题最为优秀的算法。

算法过程示例：

并查集功能分析

初始时：

元素：0 1 2 3 4 5 6 7 
集合：0 1 2 3 4 5 6 7 

合并：Union(0,5)

元素：0 1 2 3 4 5 6 7 
集合：0 1 2 3 4 0 6 7 

在这里将5，合并在0集合之中。（当然也可以将0，放在无在5集合之中）
也就是5将0认作老大，0就时该集合的老大。

Find（0） == 0
Find（5） == 0
Find（0） == Find（5） // 在同一个集合
Find（2） == 2
Find（5） == 0
Find（2） ！= Find（5） // 不在同一个集合

合并：Union(2,4)

元素：0 1 2 3 4 5 6 7 
集合：0 1 2 3 2 0 6 7 

将4 合并到2集合之中，同理2就是该集合的老大。

合并：Union(0,4)
首先4已经属于2集合，将2集合合并到0集合：
本来4的老大时2，现在要合并到0，所以在这里可以将2的老大也认0.
相当于4和2 都拜了新的老大0.

元素：0 1 2 3 4 5 6 7 
集合：0 1 0 3 0 0 6 7 

Find（2） == Find（5） // 在同一个集合

数组实现并查集

/**
 * @ClassName Union_Find
 * @Description ：TODO
 * @Author Josvin
 * @Date 2021/01/14/21:00
 */

class UnionFind {
    private int[] id;// 存储各个元素属于那个集合，他们的下标值表示他们的元素，值表示他们属于哪个集合
    private int count;// 表示刚开始有多少集合（初始每个元素就是一个集合）

    public UnionFind(int N) {
        // 初始化
        count = N;
        id = new int[N];
        for(int i = 0; i < N; i++) id[i] = i;
    }

    // 获取有多少集合
    public int getCount() {
        return count;
    }

    //判断 p 和 q 是不是一个集合
    public boolean connected(int p, int q) {
        return find(p) == find(q);
    }

    // 查找（找最后被合并到那个集合，也就是找集合老大）
    public int find(int p) {
        return id[p];
    }

    // 合并 (吧一个集合的合并到另一个集合，也就是换一个集合的老大)
    public void union(int p, int q){
        int pRoot = find(p);
        int qRoot = find(q);

        if(pRoot == qRoot) return;

        for(int i = 0; i < id.length; i++)
            if(id[i] == pRoot)  id[i] = qRoot;
        count--;// 当没合并一次，集合的数目就会少一个
    }
}

在这里复杂度还是比较高的，主要还是合并过程复杂度O(n).
接下来就要介绍并查集的其他实现方法。

并查集——森林实现

使用森林存储集合之间的关系，属于同一集合的不同元素，都有一个相同的根节点，代表着这个集合。
当进行查找某元素属于哪个集合时，即遍历该元素到根节点，返回根节点所代表的集合；在遍历过程中使用路径压缩的优化算法，使整体树的形状更加扁平，从而优化查询的时间复杂度。
当进行合并时，即将两颗子树合为一颗树，将一颗子树的根节点指向另一颗子树的根节点；在合并时可按子树的大小，将规模较小的子树合并到规模较大的子树上，从而使树规模更加平衡，从而优化未来查询的时间复杂度。

示例图解：

并查集——查找算法

在查找时，普通的查找即通过id数组遍历至根节点，当p与当前集合id[p] 不同时（直到p与id[p] 相同时跳出循环），进行循环：p = id[p];
返回p的值。

public int find(int p) {
        while(p != id[p]) p = id[p];
        return p;
    }

在查找时增加 路径压缩 的优化算法：
当p与当前集合id[p] 不同时（直到p与id[p] 相同时跳出循环），进行循环：
将p的父节点id[p] 更新为id[p] 的父亲节点id[id[p]];
p = id[p];
返回p的值。

public int find(int p) {
        if(p != id[p]) id[p] = find(id[p]);
        return id[p];
    }

上边时一个递归写法；
循环写法：

public int find(int p) {
        while(p != id[p]) {
        	id[p] = id[id[p]];
        	p = id[p];
        }
        return p;
    }

图解：

并查集——合并算法

当进行集合的合并时，即将两棵子树合并为一棵树，将一棵树的根节点指向另一颗子树的根节点；在合并时可按照子树的大小，将规模较小的子树合并到规模较大的子树上，从而使树更加平衡，从而优化未来查询的时间复杂度。
合并p所在的集合与q所在的集合：
查找p所在集合的根，i = find（p）
查找q所在集合的根，j = find（q）
如果i 与j 相同，则直接返回；

如果i 所在子树规模小于j 所在子树规模：
将i 的根指向 j ；
j 的规模增加i 子树的规模；
否则：
将j的根指向i ；
i 的规模增加j子树的规模；

子树个数减1

从上边可以看到，将规模较小的子树合并到规模较大的子树上，树更加平衡。

public void union(int p, int q){
        int pRoot = find(p);
        int qRoot = find(q);

        if(pRoot == qRoot) return;

        if(sz[pRoot] < sz[qRoot]) { id[pRoot] = qRoot; sz[qRoot] += sz[pRoot]; }
        else                      { id[qRoot] = pRoot; sz[pRoot] += sz[qRoot]; }
        count--;
    }

整体代码

public class UnionFind {
    private int[] id;
    private int count;
    private int[] sz;

    public UnionFind(int N) {
        count = N;
        id = new int[N];
        sz = new int[N];
        for(int i = 0; i < N; i++) {
            id[i] = i;
            sz[i] = 1;
        }
    }

    public int getCount() {
        return count;
    }

    public boolean connected(int p, int q) {
        return find(p) == find(q);
    }

    public int find(int p) {
        if (p != id[p]) id[p] = find(id[p]);
        return id[p];
    }

    public void union(int p, int q){
        int pRoot = find(p);
        int qRoot = find(q);

        if(pRoot == qRoot) return;

        if(sz[pRoot] < sz[qRoot]) { id[pRoot] = qRoot; sz[qRoot] += sz[pRoot]; }
        else                      { id[qRoot] = pRoot; sz[pRoot] += sz[qRoot]; }
        count--;
    }
}