基础算法学习：并查集

基础算法学习：并查集

并查集（Union-Find） 是一种用于处理集合合并和查询的高效数据结构。它支持两种操作：

1. 合并（Union） ：将两个集合合并成一个集合。
2. 查找（Find） ：查找某个元素所在的集合（即查找元素的代表）。

并查集通常用于解决一些动态连通性问题，例如图的连通性问题、网络连接问题等。

并查集的基本思想：

并查集维护了一个集合（或树）的集合。每个集合由一个元素的代表（通常是树的根节点）表示。每个元素指向其父元素（指向树中的父节点），根节点指向自己。通过路径压缩和按秩合并技术，能够使并查集操作更加高效。

主要操作：

1. Find：查找某个元素所在的集合（即查找该元素的代表元素）。这通常是通过递归或者迭代查找元素的父节点实现的。

   • 路径压缩（Path Compression） ：在查找时，通过将访问路径上所有节点直接指向根节点，从而加速未来的查询。

2. Union：将两个集合合并成一个集合。通常，我们会将一个集合的根节点指向另一个集合的根节点。

   • 按秩合并（Union by Rank/Size） ：为了保持树的平衡，通常会将较小的树合并到较大的树上，避免树的深度过大，从而提高查找效率。

并查集的时间复杂度：

通过路径压缩和按秩合并，虽然并查集的操作理论上是树形结构，但树的高度保持非常低，实际时间复杂度接近于 O(α(n)) ，其中 α(n) 是 阿克曼函数的反函数，其增长极其缓慢，因此在实际中可以认为是常数时间。

并查集板子

(1)朴素并查集：

    int p[N]; //存储每个点的祖宗节点

    // 返回x的祖宗节点
    int find(int x)
    {
        if (p[x] != x) p[x] = find(p[x]);
        return p[x];
    }

    // 初始化，假定节点编号是1~n
    for (int i = 1; i <= n; i ++ ) p[i] = i;

    // 合并a和b所在的两个集合：
    p[find(a)] = find(b);


(2)维护size的并查集：

    int p[N], size[N];
    //p[]存储每个点的祖宗节点, size[]只有祖宗节点的有意义，表示祖宗节点所在集合中的点的数量

    // 返回x的祖宗节点
    int find(int x)
    {
        if (p[x] != x) p[x] = find(p[x]);
        return p[x];
    }

    // 初始化，假定节点编号是1~n
    for (int i = 1; i <= n; i ++ )
    {
        p[i] = i;
        size[i] = 1;
    }

    // 合并a和b所在的两个集合：
    size[find(b)] += size[find(a)];
    p[find(a)] = find(b);


(3)维护到祖宗节点距离的并查集：

    int p[N], d[N];
    //p[]存储每个点的祖宗节点, d[x]存储x到p[x]的距离

    // 返回x的祖宗节点
    int find(int x)
    {
        if (p[x] != x)
        {
            int u = find(p[x]);
            d[x] += d[p[x]];
            p[x] = u;
        }
        return p[x];
    }

    // 初始化，假定节点编号是1~n
    for (int i = 1; i <= n; i ++ )
    {
        p[i] = i;
        d[i] = 0;
    }

    // 合并a和b所在的两个集合：
    p[find(a)] = find(b);
    d[find(a)] = distance; // 根据具体问题，初始化find(a)的偏移量