并查集总结

并查集总结

在一些N元素集合问题中，通常在开始时让每个元素构成一个单元素集合，然后按一定顺序将元素合并，数据量大时，应用并查集描述节省时间与空间。
并查集是一种树形数据结构，用于处理一些不相交的集合合并与查询问题。通常支持两种操作：
合并（Union）:把两个不相交的集合合并为一个集合。
查询（Find）:查询两个元素是否在同一个集合，通常依据一个集合的代表元素。

这是一个树状结构，要寻找集合的代表元素，只需要一层一层往上访问父节点，直到达到树的根节点，树的根节点的父节点是自己。

初始化
开始时每个元素自成一派；

int parent[MAX];
void Build(){
	for(register int i=1;i<=n;i++){
		parent[i]=i;
	}
}

查询
可以采用递归和循环的方式，我这里采用递归。`

inline int Find(int x){
	if(parent[x]!=x){//只有根节点的parent为自身
		return Find(parent[x]);
	}
	return x;
}

合并

inline void Union(int x,int y){
	parent[Find(x)]=Find(y);//实质是将一个集合挂到另一个集合上
}

但上面的操作执行之后，我们很容易发现所构成的树形结构成了单支树，这样会导致查找效率不高，因此产生了一种路径压缩的办法，其核心思想就是尽量减少树的高度：将每个结点的父节点直接设为集合的代表元素。
在Find时进行路径压缩

int Find_2(int x){
	if(parent[x]!=x){
		parent[x]=Find(parent[x]);
	}
	return parent[x];
}

通常可以简化为：

int Find_3(int x){
	return parent[x]==x ? parent[x] : (parent[x]=Find(parent[x]));//?:优先级比=高，加（）
}

很多人可能有个误解，以为路径压缩后，并查集都是一个二层树结构，事实上，路径压缩只在查询时进行，在一般情况下，并查集还是比较复杂的结构。
那如果我们有一个复杂的树和单元素集合合并，那我们应选哪个集合的代表元素呢？
显然我们的原则是尽量不增加树的高度。

基于树的高度我们增加一个rank数组，用于记录一个树的高度。

按秩合并

初始化

void Build(){
	for(int i=1;i<=n;i++){
		parent[i]=i;
		rank[i]=1;
	}
}

合并(按秩合并）

void Union(int x,int y){
	x=Find(x);
	y=Find(y);
	if(x==y) return;
	if(rank[x]<rank[y]){
		parent[x]=y;
	}else{
		parent[y]=x;
		if(rank[x]==rank[y]){
			rank[x]++;
		}
	}
}

通常在代码中，选用一种优化方案即可。