标签:并查集
并查集(Union-find Sets)是一种非常精巧而实用的数据结构,它主要用于处理一些不相交集合的合并问题。一些常见的用途有求连通子图、求最小生成树的 Kruskal 算法和求最近公共祖先(Least Common Ancestors, LCA)等。
使用并查集时,首先会存在一组不相交的动态集合
每个集合可能包含一个或多个元素,并选出集合中的某个元素作为代表。每个集合中具体包含了哪些元素是不关心的,具体选择哪个元素作为代表一般也是不关心的。我们关心的是,对于给定的元素,可以很快的找到这个元素所在的集合(的代表),以及合并两个元素所在的集合,而且这些操作的时间复杂度都是常数级的。
并查集的基本操作有三个:
并查集的实现原理也比较简单,就是使用树来表示集合,树的每个节点就表示集合中的一个元素,树根对应的元素就是该集合的代表,如图 1 所示。
图 1 并查集的树表示
图中有两棵树,分别对应两个集合,其中第一个集合为
树的节点表示集合中的元素,指针表示指向父节点的指针,根节点的指针指向自己,表示其没有父节点。沿着每个节点的父节点不断向上查找,最终就可以找到该树的根节点,即该集合的代表元素。
现在,应该可以很容易的写出 makeSet 和 find 的代码了,假设使用一个足够长的数组来存储树节点(很类似之前讲到的静态链表),那么 makeSet 要做的就是构造出如图 2 的森林,其中每个元素都是一个单元素集合,即父节点是其自身:
图 2 构造并查集初始化
相应的代码如下所示,时间复杂度是
//用有根森林实现并查集 const int MAXSIZE = 100; int uset[MAXSIZE]; //每个集合对象的父节点指针(下标) int rank[MAXSIZE]; //按秩合并用,每个集合对象的秩(除开自身外的子树高) void makeSet(int n) //O(n) { for (int i = 0; i < n; i++) { uset[i] = i; //令每个元素对象构成一个单元素的集合,父节点指针指向自身 rank[i] = 0; } }接下来,就是 find 操作了,如果每次都沿着父节点向上查找,那时间复杂度就是树的高度,完全不可能达到常数级。这里需要应用一种非常简单而有效的策略——路径压缩。
路径压缩,就是在每次查找时,令查找路径上的每个节点都直接指向根节点,如图 3 所示。
图 3 路径压缩
我准备了两个版本的 find 操作实现,分别是递归版和非递归版,不过两个版本目前并没有发现有什么明显的效率差距,所以具体使用哪个完全凭个人喜好了。
find操作的递归写法:
int find_r(int x) //递归,路径压缩 { if (x != uset[x]) uset[x] = find_r(uset[x]); return uset[x]; }
迭代写法:
int find(int x) //迭代,路径压缩 { int p = x, t; while (p != uset[p]) p = uset[p]; //找到树根 while (x != p) { t = uset[x]; uset[x] = p; x = t;} return x; }
最后是合并操作 unionSet,并查集的合并也非常简单,就是将一个集合的树根指向另一个集合的树根,如图 4 所示。
图 4 并查集的合并
这里也可以应用一个简单的启发式策略——按秩合并。该方法使用秩来表示树高度的上界,在合并时,总是将具有较小秩的树根指向具有较大秩的树根。简单的说,就是总是将比较矮的树作为子树,添加到较高的树中。为了保存秩,需要额外使用一个与 uset 同长度的数组,并将所有元素都初始化为 0。
void unionSet(int x, int y) //安秩合并 { if ((x = find(x)) == (y = find(y))) return; if (rank[x] > rank[y]) uset[y] = x; else { uset[x] = y; if (rank[x] == rank[y]) rank[y]++; } }
下面是按秩合并+路径压缩的并查集的完整代码:
//用有根森林实现并查集
const int MAXSIZE = 100;
int uset[MAXSIZE]; //每个集合对象的父节点指针(下标)
int rank[MAXSIZE]; //按秩合并用,每个集合对象的秩(除开自身外的子树高)
void makeSet(int n) //O(n)
{
for (int i = 0; i < n; i++)
{
uset[i] = i; //令每个元素对象构成一个单元素的集合,父节点指针指向自身
rank[i] = 0;
}
}
int find_r(int x) //递归,路径压缩
{
if (x != uset[x]) uset[x] = find_r(uset[x]);
return uset[x];
}
int find(int x) //迭代,路径压缩
{
int p = x, t;
while (p != uset[p]) p = uset[p]; //找到树根
while (x != p) { t = uset[x]; uset[x] = p; x = t;}
return x;
}
void unionSet(int x, int y) //安秩合并
{
if ((x = find(x)) == (y = find(y))) return;
if (rank[x] > rank[y])
uset[y] = x;
else
{
uset[x] = y;
if (rank[x] == rank[y]) rank[y]++;
}
}
除了按秩合并,并查集还有一种常见的策略,就是按集合中包含的元素个数(或者说树中的节点数)合并,将包含节点较少的树根,指向包含节点较多的树根。这个策略与按秩合并的策略类似,同样可以提升并查集的运行速度,而且省去了额外的 rank 数组。
这样的并查集具有一个略微不同的定义,即若 uset 的值是正数,则表示该元素的父节点(的索引);若是负数,则表示该元素是所在集合的代表(即树根),而且值的相反数即为集合中的元素个数。相应的代码如下所示,同样包含递归和非递归的 find 操作:
//用有根森林实现并查集 const int MAXSIZE = 100; int uset[MAXSIZE]; //若 uset 的值是正数,则表示该元素的父节点(的索引); //若是负数,则表示该元素是所在集合的代表(即树根),而且值的相反数即为集合中的元素个数。 void makeSet(int n) //O(n) { for (int i = 0; i < n; i++) uset[i] = -1; } int find_r(int x) //递归,路径压缩 { if (uset[x] < 0) return x; uset[x] = find_r(uset[x]); return uset[x]; } int find(int x) //迭代,路径压缩 { int p = x, t; while (uset[p] >= 0) p = uset[p]; //找到树根 while (x != p) { t = uset[x]; uset[x] = p; x = t;} return x; } void unionSet(int x, int y) //安秩合并 { if ((x = find(x)) == (y = find(y))) return; //将包含节点较少的树根,指向包含节点较多的树根 //uset[x]和uest[y]均为<=0的数,越小,代表集合的元素对象越多 if (uset[x] < uset[y]) //x多y少 { uset[x] += uset[y]; uset[y] = x; } else // x少y多 { uset[y] += uset[x]; uset[x] = y; } }
如果要获取某个元素 x 所在集合包含的元素个数,可以使用 -uset[find(x)] 得到。
并查集的空间复杂度是
参考:http://www.cnblogs.com/cyjb/
其他关于并查集的资料:
并查集在Kruskal算法(求最小生成树)中的应用:数据结构之最小生成树
并查集(这里面罗列了可用并查集解决的acm题)
标签:并查集
原文地址:http://blog.csdn.net/u013071074/article/details/37962777