并查集,在一些有N个元素的集合应用问题中,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。
并查集被很多人认为是最简洁而优雅的数据结构之一,主要用于解决一些元素分组的问题。它管理一系列不相交的集合,并支持两种操作:
- 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中。
具体引入可以参考:说明
三种主要操作:
Make_Set(x):
建立一个新的集合,其唯一成员就是x,因此这个集合的代表也是x,并查集要求各集合是不相交的,因此要求x没有在其他集合中出现过。
Find_Set(x):
返回能代表x所在集合的节点,通常返回x所在集合的根节点。有递归和非递归两种方法,下面会有讲解。
Union(x, y):
将包含x,y的动态集合合并为一个新的集合。合并两个集合的关键是找到两个集合的根节点,如果两个根节点相同则不用合并;如果不同,则需要合并。
合并时,如果两个集合的秩相同,任选一个根做为父节点,并增加其秩。
秩不同时,让较小秩的集合指向较大秩的集合,这时秩的大小不变。
秩和集合的数目是不一样的,秩表示节点高度的一个商界;集合的数目表示集合中节点的总数。
如图,这是一个树状的结构,要寻找集合的代表元素,只需要一层一层往上访问父节点(图中箭头所指的圆),直达树的根节点(图中橙色的圆)即可。根节点的父节点是它自己。
初始化
int fa[MAXN];
inline void init(int n)
{
for (int i = 1; i <= n; ++i)
fa[i] = i;
}
假如有编号为1, 2, 3, ..., n的n个元素,我们用一个数组fa[]来存储每个元素的父节点(因为每个元素有且只有一个父节点,所以这是可行的)。一开始,我们先将它们的父节点设为自己。
查询
int find(int x)
{
if(fa[x] == x)
return x;
else
return find(fa[x]);
}
我们用递归的写法实现对代表元素的查询:一层一层访问父节点,直至根节点(根节点的标志就是父节点是本身)。要判断两个元素是否属于同一个集合,只需要看它们的根节点是否相同即可。
合并
inline void merge(int i, int j)
{
fa[find(i)] = find(j);
}
合并操作也是很简单的,先找到两个集合的代表元素,然后将前者的父节点设为后者即可。当然也可以将后者的父节点设为前者,这里暂时不重要。本文末尾会给出一个更合理的比较方法。
路径压缩
只关心一个元素对应的根节点,那我们希望每个元素到根节点的路径尽可能短,最好只需要一步。只要我们在查询的过程中,把沿途的每个节点的父节点都设为根节点即可。下一次再查询时,我们就可以省很多事。这用递归的写法很容易实现:
int find(int x)
{
if(x == fa[x])
return x;
else{
fa[x] = find(fa[x]); //父节点设为根节点
return fa[x]; //返回父节点
}
}
此外合并时候,应该把简单的树往复杂的树上合并,而不是相反。因为这样合并后,到根节点距离变长的节点个数比较少。
我们用一个数组rank[]记录每个根节点对应的树的深度(如果不是根节点,其rank相当于以它作为根节点的子树的深度)。一开始,把所有元素的rank(秩)设为1。合并时比较两个根节点,把rank较小者往较大者上合并。
路径压缩和按秩合并如果一起使用,时间复杂度接近 O(N)
故优化后:
初始化
inline void init(int n)
{
for (int i = 1; i <= n; ++i)
{
fa[i] = i;
rank[i] = 1;
}
}
查找
int find(int x)
{
if(x == fa[x])
return x;
else{
fa[x] = find(fa[x]); //父节点设为根节点
return fa[x]; //返回父节点
}
}
合并
inline void merge(int i, int j)
{
int x = find(i), y = find(j); //先找到两个根节点
if (rank[x] <= rank[y])
fa[x] = y;
else
fa[y] = x;
if (rank[x] == rank[y] && x != y)
rank[y]++; //如果深度相同且根节点不同,则新的根节点的深度+1
}
为什么深度相同,新的根节点深度要+1?如下图,我们有两个深度均为2的树,现在要merge(2,5):
这里把2的父节点设为5,或者把5的父节点设为2,其实没有太大区别。我们选择前者,于是变成这样:
显然树的深度增加了1。另一种合并方式同样会让树的深度+1。
GO版本实现
//并查集实现
type UFSet struct {
Father []int
Rank []int
}
func NewUFSet(n int)UFSet{
father:=make([]int,n)
rank:=make([]int,n)
for i:=0;i<n;i++{
father[i]=i
rank[i]=0
}
return UFSet{
Father:father,
Rank:rank,
}
}
// 路径压缩, 遍历过程中的所有父节点直接指向根节点,
// 减少后续查找次数
func (ds UFSet)Find(x int)int {
if x==ds.Father[x]{
return x
}
ds.Father[x]=ds.Find(ds.Father[x])//父节点设为根节点,路径压缩
return ds.Father[x]
}
//合并两个节点
// 如果处于同一个并查集, 不需要合并
// 如果不处于同一个并查集,判断两个rootx和rooty谁的秩大
func (ds UFSet)Merge(x, y int){
rootX:=ds.Find(x)
rootY:=ds.Find(y)
if rootX!=rootY{
//按rank合并,合并到大的rank
if ds.Rank[rootX]<ds.Rank[rootY]{
rootX,rootY=rootY,rootX
}
ds.Father[rootY]=rootX
if ds.Rank[rootX]==ds.Rank[rootY]{
ds.Rank[rootX]++
}
}
}
Leetcode: 交换字符串中元素