【算法】并查集

并查集

基本定义

1. 并查集作为一种非常精巧而实用的高级数据结构，用于处理不相交集合的合并问题
2. 基本操作：
   • 初始化
   • 合并
   • 查找
3. 基本应用
   • 连通子图
   • 最小生成树Kruskal算法
   • 最近公共祖先

初始化

def init_set():
	for i in range(N):	s.append(i)
#s = list(range(N))

初始化数组的元素均为自身索引

合并

近似于创建个体与个体间的联系

def merge_set(x,y):
    x = find_set(x)
    y = find_set(y)
    if(x!=y):	s[x] = s[y]

查找

查找元素的集，是一个递归的过程，直到元素的值和他的集相等，就找到了根节点的集。

对于递归搜索树，情况多种，可能很细长，复杂度O(N),则出现了退化现象

def find_set(x):
    if(x!=s[x]):	return find_set(s[x])
    else:	return x

若需查找有多少连通子集

• 则可直接find_set()查找，如果s[i] = i,即根节点，是所在集的代表
• 统计根节点数量，就是集的数量

那么是否可以对查找低效的递归进行优化呢？

路径压缩可以消除这种复杂的递归模型

路径压缩

基本思路：

• 查询程序find_set()：沿着搜索路径找到根结点，这条路径可能很长。
• 优化：沿路径返回时，顺便把i所属的集改成根结点。下次再搜，复杂度是O(1)。

def find_set(x):
    if(x != s[x]):	s[x] = find_set(s[x])
    return s[x]

优点：

• 路径压缩：整个搜索路径上的元素，在递归过程中，从元素i到根结点的所有元素，它们所属的集都被改为根结点。
• 路径压缩不仅优化了下次查询，而且也优化了合并，因为合并时也用到了查询。