并查集和图的基本-CSDN博客

本文链接：https://blog.csdn.net/yxt0820705/article/details/138142840

本文介绍了并查集的基本概念、规则和实现，以及图的分类（有向图、无向图和完全图），重点讲解了邻接矩阵在表示图中的优缺点。通过实例说明，展示了图在解决实际问题中的重要性。

摘要由CSDN通过智能技术生成

🫥并查集和图的基本

✨啦啦啦，我又来了，今天的内容是数据结构——并查集和图,相信大家在数据结构的学习中不止一次的听说过这两员大将，而且或多或少的都受到过他的拷打。今天作者以身入局，试试它的深浅🐻

文章目录

🫥并查集和图的基本

本文由爱吃苹果的清梦友情提供，本图出自可爱的婷婷 🐨如果文章对您有用的话，请给一个三连，您的支持对我十分重要

前言

基于前边的基础数据结构还是无法完全应对全部需求，例如：
当我们面对路线规划问题的时候，如何得到最优规划方案？
面对关系网络的时候，我如何划分关系的远近……

又或者是我们在面对这个图的时候，我们如何把图转换成抽象的结构储存起来？
面对这一系列的问题，我们需要引进一些高级的数据结构来进行处理这些状态，来解决这些问题。

并查集

在了解图之前,我们需要对并查集 进行了解实现，因为图的后边需要用到这个数据结构实现功能。
那么在了解并查集的时候，我们要引入一个情景，假设，你现在在A公司进行暑期实习，和你一块实习的有很多小伙伴。可是，你觉得自己一个人没有认识的人很是孤单，所以你决定通过名单信息找一下自己的同乡，顺便把同事属于哪个地方分类统计。
那么，你可以选择，一个一个的看，但是在记录的时候，你总归会把他们相同的划分在同一个城市的一个集合中。
所以我们如果把这个过程抽象一下就是：

我们可以将这几个省份分别划分成a ,b ,c ,d ，几个集合，然后划分过程我们可以看作从一堆东西中挑出来放进对应的集合，过程可以模拟成下面的情况：

那么我们把他们放在集合中，得到名单的过程可以看作将同一个特征的的同学链接串联起来

但是这样的结构，访问起来会有一定的时间消耗，会影响数据结构的时间效率，所以我们要对这种结构进行优化，而并查集，为我们提供了另外一种思路：

那就是将同特征的变成树形结构进行存放，但是是以多叉树的情况进行存储的，这样，能够直接把集合的连接点凸显出来，也就是不同两个个体的关系重合部分展现出来，便于和其他集合的链接。
它的基本思想就是把每个数据都看作一个集合，然后，如果有相同的特征，就把集合进行链接，只不过要确定一个中心点，便于后续的链接。

可以看得到的是，我们一开始是将每个元素都看成集合的开头，也就是自身就是一个集合，然后将同样特征的连接起来，成为新的集合。
同时，并查集提供的方法并不是让你直接使用树结构进行存储，而是类似于堆的实现采用静态数组进行实现，而且存的并不是孩子节点，而是双亲节点的位置，每个孩子都是指向根的这样方便后续集合建立连接进行操作，因为并查集其实重视的集合的关系，并不是主要用父子关系对其进行简单的概括。
所以我们只要有一个集合的入口根节点就可以，其实这就相当于是一个麻袋。

那个根节点相当于是麻袋的口，而且从另一个角度来讲，它更像是一个链接节点，用来链接其他的集合进行合并。

基本规则

对于并查集的思想有一定的了解之后我们就要跟学习其他数据结构一样了解一下它的具体规则和相应构成：

从一般设计上来讲我们通常习惯于，用一个数组来反映这样的树状结构这样不会产生访问困难的问题，然后确定用来表示情况的几种数据：

至于节点的关于数组的映射来说，我们要借助vector，map进行实现，，这样可以事项，对于数据的双向访问。

因为map实现对应的key转换成数组对应的下标，用来对于集合进行访问，而且用vector存储所有输入的key，那么又能实现了下标访问对应的key。实现了双向的映射

数据结构的实现

了解了这么多我们终于还是来到了，实战，老话说 光说不练那是假把式，又说又练那是真把式
下面是我实现的一种思路代码：

template<class K>
class ufs
{
	//用来映射存储数据，和集合
	//存储森林
	//森林的值不一定是整形
	vector<int> arr;
	//用来映射对应的元素
	map<K, int> order_map;
	vector<K> get;
public:
	template<class InputIterator>
	ufs(InputIterator begin, InputIterator end)
	{
		//定义一共多少数据
		auto it = begin;
		int key = 0;
		while (it != end)
		{
			arr.push_back(-1);
			get.push_back(*it);
			order_map[*it] = key++;

			it++;
		}
	}
	//找到根节点
	K find_root(K tem)
	{
		//就是根据数组进行遍历
		if (!order_map.count(tem))
		{
			return K();
		}
		int or1 = order_map[tem];
		while (arr[or1] >= 0)
		{
			or1 = arr[or1];
		}
		return get[or1];
	}
	//

	bool link(K tem1, K tem2)
	{
		if (!order_map.count(tem1) || tem1 == tem2)
		{
			return false;
		}
		int k1 = order_map[find_root(tem1)];
		int k2 = order_map[find_root(tem2)];
		int root = max(k1, k2);
		int opt = min(k1, k2);
		arr[root] += arr[opt];

		arr[opt] = root;
		return true;
	}
	size_t amount()
	{
		size_t cnt = 0;
		for (auto i : arr)
			if (i < 0)
				cnt++;
		return cnt;
	}
	int get_num(K tem)
	{

		return	abs(arr[order_map[find_root(tem)]]);
	}
	~ufs()
	{}
};

有了并查集的基础让我们进入到图的学习吧！！

加油少年 ## 图及其相关基础所谓的图，我们要从一个具体的例子入手，当我们走迷宫的时候收到一份由点和线链接组成的一个 `闭合` 亦或者是 `不闭合的图形`。那个其实就是我们说的图。 ![image.png](https://img-blog.csdnimg.cn/img_convert/2ff009391565071b3f35dce91d93daba.png) 从上边的图我们可以得到，图的基本特征： >1. 包括各个地点，和链接各个节点的对应路径 >2. 我们可以类比我们小时候闲来无事画的地图之类的，我们又可以发现这个线段可以包含以下特征： > (1) 路径长度 > （2）路径方向 > (3) 是否存在 > (4) 两端的节点

所以我们就能根据这些对于相应的特征进行一定的分类：

数据结构具体实现结构简析

但是如此复杂的结构，我们要用什么样的结构类进行封装才能实现呢？？这是一个问题。
那让我们翻翻书，看看有什么思路……
Lucky，果然让我们找到了

可以看到的是，图其实就是边和顶点的集合，那么我们只要将路径表现出来，或者是将路径战术出来就可以了，所以图的数据结构给我们提供了两种思路 邻接矩阵 和 邻接表