码迷,mamicode.com
首页 > 其他好文 > 详细

数据结构之并查集

时间:2017-08-11 21:12:40      阅读:219      评论:0      收藏:0      [点我收藏+]

标签:指针   分享   迭代   空间复杂度   父节点   line   isp   问题   常见   

并查集(Union-find Sets)是一种很静止而有用的数据结构,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 算法求近期公共祖先(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。

每一个集合可能包括一个或多个元素,并选出集合中的某个元素作为代表。每一个集合中详细包括了哪些元素是不关心的,详细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,能够非常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,并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。当中包括 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,假设相交则不合并。

  3. find(x):找到元素 x 所在的集合的代表,该操作也能够用于推断两个元素是否位于同一个集合,仅仅要将它们各自的代表比較一下就能够了。

并查集的实现原理也比較简单,就是使用树来表示集合,树的每一个节点就表示集合中的一个元素。树根相应的元素就是该集合的代表。如图 1 所看到的。

技术分享

图 1 并查集的树表示

图中有两棵树,分别相应两个集合。当中第一个集合为 {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。

沿着每一个节点的父节点不断向上查找,终于就能够找到该树的根节点。即该集合的代表元素。

如今,应该能够非常easy的写出 makeSet 和 find 的代码了,如果使用一个足够长的数组来存储树节点(非常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,当中每一个元素都是一个单元素集合。即父节点是其自身:

技术分享

图 2 构造并查集初始化

对应的代码例如以下所看到的。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];	//每一个集合对象的父节点指针(下标)
int rank[MAXSIZE];	//按秩合并用,每一个集合对象的秩(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;	//令每一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。假设每次都沿着父节点向上查找,那时间复杂度就是树的高度,全然不可能达到常数级。这里须要应用一种很easy而有效的策略——路径压缩。

路径压缩,就是在每次查找时,令查找路径上的每一个节点都直接指向根节点,如图 3 所看到的。

技术分享

图 3 路径压缩

我准备了两个版本号的 find 操作实现,各自是递归版和非递归版。只是两个版本号眼下并没有发现有什么明显的效率差距,所以详细使用哪个全然凭个人喜好了。

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。并查集的合并也很easy,就是将一个集合的树根指向还有一个集合的树根,如图 4 所看到的。

技术分享

图 4 并查集的合并

这里也能够应用一个简单的启示式策略——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,就是总是将比較矮的树作为子树,加入到较高的树中。

为了保存秩,须要额外使用一个与 uset 同长度的数组,并将全部元素都初始化为 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]++;
	}
}

以下是按秩合并+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];	//每一个集合对象的父节点指针(下标)
int rank[MAXSIZE];	//按秩合并用,每一个集合对象的秩(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;	//令每一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,并查集另一种常见的策略,就是按集合中包括的元素个数(或者说树中的节点数)合并。将包括节点较少的树根,指向包括节点较多的树根。

这个策略与按秩合并的策略类似。相同能够提升并查集的执行速度。并且省去了额外的 rank 数组。

这种并查集具有一个稍微不同的定义,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),并且值的相反数即为集合中的元素个数。对应的代码例如以下所看到的,相同包括递归和非递归的 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),并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;

	//将包括节点较少的树根,指向包括节点较多的树根
	//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;
	}
}

假设要获取某个元素 x 所在集合包括的元素个数。能够使用 -uset[find(x)] 得到。

并查集的空间复杂度是 O(n) 的。这个非常显然,假设是按秩合并的,占的空间要多一些。find 和 union 操作都能够看成是常数级的,或者准确来说。在一个包括 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预计的原子数量 10^80 还大非常多)都能够觉得是不大于 4 的。详细的时间复杂度分析。请參见《算法导论》的 21.4 节 带路径压缩的按秩合并的分析。

參考:http://www.cnblogs.com/cyjb/ 

其它关于并查集的资料:

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:指针   分享   迭代   空间复杂度   父节点   line   isp   问题   常见   

原文地址:http://www.cnblogs.com/blfbuaa/p/7347880.html

(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!