对并查集的理解与相关操作

并查集

作用

1. 将两个集合合并
2. 询问两个元素是否在一个集合当中(或是否根出同源)。
   常见用途有求连通子图、求最小生成树的$Kruskal$算法和求最近公共祖先(LCA)等。

基本原理

每一个集合用一个树来表示，树根的编号就是整个集合的编号，每个节点存储它的父节点，$p[x]$表示$x$的父节点。

主要问题

1. 树根的定义：$if(p[x]==x)$
2. 如何求x的集合编号，即找到树根：find操作
3. 如何合并两个集合

基于以上几个问题，产生下列几个操作。

基本操作

1. 初始化$init$

首先将给出的数据以自身作为集合（以自己为下标指向自己），创建一个数组，记为p，即

nums = list()	# 数据内容
p = [0 for _ in range(len(nums))]	# p数组(大小为nums的长度)
for num in nums:
	p[num] = num

图像解释：

在一系列合并操作后，某一节点仍然指向自己，即$p[num]==num$，则说明该节点没有被合并到其他节点上(无父节点)，要么它是孤零零没被操作（在合并完所有数一般没有这种情况(以我贫瘠的知识储备没有遇到过，欢迎举例指出)），要么就是根节点(是其他节点的祖宗)，所以树根被定义为$if(p[x]==x)$。

2. 查询$find$

有三种方法

1. 直接迭代

从要查找的数(记为x)开始，向x的父节点开始查询，直到父节点等于本身，即$p[x]==x$，说明找到了树根。

Code

def find(x):
	while p[x] != x:
		x = p[x]	# 继续遍历父节点
	return x

这种方法时间复杂度比较高，容易TLE，所以不建议使用。

2. 直接迭代 + 路径压缩

路径压缩：如果出现要重复查询x的祖宗节点，在不用路径压缩的情况下，就要重复查询的次数次，时间消耗多，若树较长，则容易TLE。所以，为节省时间，在第一次查询后，直接将x到根节点之间的所有节点(包括x)直接指向根节点，则在下一次查询x与x到根节点之间的数时，只用向上找一次就可找到根节点

Code

def find(x):
	j = 0
	k = 0
	i = x	# 用i找到x的祖宗节点
	while p[i] != i:
		i = p[i]
	k = x	# k用来从x开始一层层向上遍历
	# 路径压缩
	while k != i:
		j = p[k]	# j存储k当前的父节点
		p[k] = i	# 让k的父节点指向祖宗节点
		k = j		# 让k继续向上遍历
	return i

3. 递归

Code

def find(x):
	if p[x] == x:
		return x
	else:
		return find(p[x])

还是容易TLE

4. 递归 + 路径压缩

Code

def find(x):
	if p[x] != x:
		# find会一直递归下去直到找到根节点，最后返回根节点给当前的p[x]
		# 	对于x到根节点的所有数也相同，都将父节点改为根节点
		p[x] = find(p[x])
	return p[x]

3. 合并$unionn$

将该集合的根节点指向另一集合的根节点即可。

Code

def unionn(x, y):
	p[find(x)] = find(y)

如果还没有看懂，推荐这个视频，更加全面细节，点这
接下来还会更新并查集的相关做题笔记，欢迎关注，提示更新。