并查集(union-find set or DisjointSets)
2013-04-10 11:14
351 查看
l
并查集:(union-find sets)
一种简单的用途广泛的集合. 并查集是若干个不相交集合,能够实现较快的合并和判断元素所在集合的操作,应用很多,如其求无向图的连通分量个数等。最完美的应用当属:实现Kruskar算法求最小生成树。
l
并查集的精髓(即它的三种操作,结合实现代码模板进行理解):
1、Make_Set(x) 把每一个元素初始化为一个集合
初始化后每一个元素的父亲节点是它本身,每一个元素的祖先节点也是它本身(也可以根据情况而变)。
2、Find_Set(x) 查找一个元素所在的集合
查找一个元素所在的集合,其精髓是找到这个元素所在集合的祖先!这个才是并查集判断和合并的最终依据。
判断两个元素是否属于同一集合,只要看他们所在集合的祖先是否相同即可。
合并两个集合,也是使一个集合的祖先成为另一个集合的祖先,具体见示意图
3、Union(x,y) 合并x,y所在的两个集合
合并两个不相交集合操作很简单:
利用Find_Set找到其中两个集合的祖先,将一个集合的祖先指向另一个集合的祖先。如图
l
并查集的优化
1、Find_Set(x)时 路径压缩
寻找祖先时我们一般采用递归查找,但是当元素很多亦或是整棵树变为一条链时,每次Find_Set(x)都是O(n)的复杂度,有没有办法减小这个复杂度呢?
答案是肯定的,这就是路径压缩,即当我们经过"递推"找到祖先节点后,"回溯"的时候顺便将它的子孙节点都直接指向祖先,这样以后再次Find_Set(x)时复杂度就变成O(1)了,如下图所示;可见,路径压缩方便了以后的查找。
2、Union(x,y)时 按秩合并
即合并的时候将元素少的集合合并到元素多的集合中,这样合并之后树的高度会相对较小。
l
并查集的应用示例,参考文章:/article/5481366.html
代码如下:
data.txt文件内容如下:
100 4
2 1 2
5 10 13 11 12 14
2 0 1
2 99 2
200 2
1 5
5 1 2 3 4 5
1 0
0 0
注:在程序中使用num[x]记录以x为根的集合含有的元素的个数。在具体问题时,合理使用“秩”来计数,可以迎刃而解。
复杂度分析
空间复杂度为O(N),建立一个集合的时间复杂度为O(1),N次合并M查找的时间复杂度为O(M Alpha(N)),这里Alpha是Ackerman函数的某个反函数,在很大的范围内(人类目前观测到的宇宙范围估算有10的80次方个原子,这小于前面所说的范围)这个函数的值可以看成是不大于4的,所以并查集的操作可以看作是线性的。具体复杂度分析过程见参考资料(3)。
应用
并查集常作为另一种复杂的数据结构或者算法的存储结构。常见的应用有:求无向图的连通分量个数,最近公共祖先(LCA),带限制的作业排序,实现Kruskar算法求最小生成树等。
参考文章:
/article/5481365.html
/article/5481366.html
http://www.nocow.cn/index.php/%E5%B9%B6%E6%9F%A5%E9%9B%86
http://dongxicheng.org/structure/union-find-set/
并查集:(union-find sets)
一种简单的用途广泛的集合. 并查集是若干个不相交集合,能够实现较快的合并和判断元素所在集合的操作,应用很多,如其求无向图的连通分量个数等。最完美的应用当属:实现Kruskar算法求最小生成树。
l
并查集的精髓(即它的三种操作,结合实现代码模板进行理解):
1、Make_Set(x) 把每一个元素初始化为一个集合
初始化后每一个元素的父亲节点是它本身,每一个元素的祖先节点也是它本身(也可以根据情况而变)。
2、Find_Set(x) 查找一个元素所在的集合
查找一个元素所在的集合,其精髓是找到这个元素所在集合的祖先!这个才是并查集判断和合并的最终依据。
判断两个元素是否属于同一集合,只要看他们所在集合的祖先是否相同即可。
合并两个集合,也是使一个集合的祖先成为另一个集合的祖先,具体见示意图
3、Union(x,y) 合并x,y所在的两个集合
合并两个不相交集合操作很简单:
利用Find_Set找到其中两个集合的祖先,将一个集合的祖先指向另一个集合的祖先。如图
l
并查集的优化
1、Find_Set(x)时 路径压缩
寻找祖先时我们一般采用递归查找,但是当元素很多亦或是整棵树变为一条链时,每次Find_Set(x)都是O(n)的复杂度,有没有办法减小这个复杂度呢?
答案是肯定的,这就是路径压缩,即当我们经过"递推"找到祖先节点后,"回溯"的时候顺便将它的子孙节点都直接指向祖先,这样以后再次Find_Set(x)时复杂度就变成O(1)了,如下图所示;可见,路径压缩方便了以后的查找。
2、Union(x,y)时 按秩合并
即合并的时候将元素少的集合合并到元素多的集合中,这样合并之后树的高度会相对较小。
l
并查集的应用示例,参考文章:/article/5481366.html
代码如下:
View Code #include <iostream> #include <cassert> #include <fstream> using namespace std; int n, m; int father[30005], num[30005]; //初始化 void makeSet(int n) { for (int i=0;i<n;i++) { father[i]=i; num[i]=1; } } //查找,并伴随有路径压缩 int findSet(int x) { if (father[x]!=x) { father[x]=findSet(father[x]); } return father[x]; } //合并,修改num的值 void Union(int a,int b) { int x=findSet(a); int y=findSet(b); if (x==y) { return ; } if (num[x]<=num[y]) { father[x]=y; num[y]+=num[x]; } else { father[y]=x; num[x]+=num[y]; } } int main() { ifstream infile("data.txt"); while ((infile>>n>>m) && n!=0) { makeSet(n); for (int i=0;i<m;i++) { int count, first, b; infile>>count>>first; for (int j=1;j<count;j++) { infile>>b; Union(first,b); } } cout<<num[findSet(0)]<<endl; } infile.close(); return 0; }
data.txt文件内容如下:
100 4
2 1 2
5 10 13 11 12 14
2 0 1
2 99 2
200 2
1 5
5 1 2 3 4 5
1 0
0 0
注:在程序中使用num[x]记录以x为根的集合含有的元素的个数。在具体问题时,合理使用“秩”来计数,可以迎刃而解。
复杂度分析
空间复杂度为O(N),建立一个集合的时间复杂度为O(1),N次合并M查找的时间复杂度为O(M Alpha(N)),这里Alpha是Ackerman函数的某个反函数,在很大的范围内(人类目前观测到的宇宙范围估算有10的80次方个原子,这小于前面所说的范围)这个函数的值可以看成是不大于4的,所以并查集的操作可以看作是线性的。具体复杂度分析过程见参考资料(3)。
应用
并查集常作为另一种复杂的数据结构或者算法的存储结构。常见的应用有:求无向图的连通分量个数,最近公共祖先(LCA),带限制的作业排序,实现Kruskar算法求最小生成树等。
参考文章:
/article/5481365.html
/article/5481366.html
http://www.nocow.cn/index.php/%E5%B9%B6%E6%9F%A5%E9%9B%86
http://dongxicheng.org/structure/union-find-set/
相关文章推荐
- 并查集(union-find set or DisjointSets)
- 第十四章 DSL_1_A:Disjoint Set: Union Find Tree 并查集
- 目标融合之 ——并查集(Disjoint Sets)||(Union Find Sets)
- Data Structures (Weiss) Chapter 8: Union and Find, Disjoint Sets, union by sizes, C++
- 并查集 Union-Find-Set
- 并查集 Union_Find_Set
- disjoint set (union-find set) (并查集)
- 并查集 (Union-Find Sets)
- Union-find and Disjoint Set Union
- Union-Find(并查集): Quick union improvements
- UVA 11987 Almost Union-Find(并查集)
- 并查集(Union-Find)算法介绍
- Union-find 并查集
- 并查集(disjoint_set)
- UVa-11987 Almost union-find(带删除操作的并查集)
- 并查集- Union-Find
- UVA 11987 - Almost Union-Find 并查集的活用 id化查找
- UVA 11987 Almost Union-Find (单点修改的并查集)
- 并查集(Union-Find)算法介绍
- 并查集(Disjoint Set)