码迷,mamicode.com
首页 > 其他好文 > 详细

数据结构之并查集

时间:2014-07-19 23:23:29      阅读:378      评论:0      收藏:0      [点我收藏+]

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 S={S1,S2,?,Sk},一般都会使用一个整数表示集合中的一个元素。

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:

  1. makeSet(s):建立一个新的并查集,其中包含 s 个单元素集合。
  2. unionSet(x, y):把元素 x 和元素 y 所在的集合合并,要求 x 和 y 所在的集合不相交,如果相交则不合并。
  3. find(x):找到元素 x 所在的集合的代表,该操作也可以用于判断两个元素是否位于同一个集合,只要将它们各自的代表比较一下就可以了。

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。

bubuko.com,布布扣

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 {a,b,c,d},代表元素是 a;第二个集合为 {e,f,g},代表元素是 e

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:

bubuko.com,布布扣

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 O(n)

//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。

bubuko.com,布布扣

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。

bubuko.com,布布扣

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 O(n) 的,这个很显然,如果是按秩合并的,占的空间要多一些。find 和 union 操作都可以看成是常数级的,或者准确来说,在一个包含 n 个元素的并查集中,进行 m 次查找或合并操作,最坏情况下所需的时间为 O(mα(n)),这里的 α 是 Ackerman 函数的某个反函数,在极大的范围内(比可观察到的宇宙中估计的原子数量 10^80 还大很多)都可以认为是不大于 4 的。具体的时间复杂度分析,请参见《算法导论》的 21.4 节 带路径压缩的按秩合并的分析。

参考:http://www.cnblogs.com/cyjb/ 

其他关于并查集的资料:

并查集(Union-Find)算法介绍

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)

数据结构之并查集

标签:并查集

原文地址:http://blog.csdn.net/u013071074/article/details/37962777

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!