并查集

目录 [隐藏]
1 什么是并查集？
2 并查集的主要操作
3 主要操作的解释及代码
4 并查集的优化
5 时间复杂度
6 源代码
7 习题

[编辑] 什么是并查集？
并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。

[编辑] 并查集的主要操作
合并两个不相交集合
判断两个元素是否属于同一集合
[编辑] 主要操作的解释及代码
需要注意的是，一开始我们假设元素都是分别属于一个独立的集合里的。

--------------------------------------------------------------------------------

（1） 合并两个不相交集合操作很简单：先设置一个数组Father[x]，表示x的“父亲”的编号。那么，合并两个不相交集合的方法就是，找到其中一个集合最父亲的父亲（也就是最久远的祖先），将另外一个集合的最久远的祖先的父亲指向它。

附图一张（摘自CLRS）——Ronice

a图为两个不相交集合，b图为合并后Father(b):=Father(g)

代码：

Procedure Union(x,y:integer);{其中GetFather是下面将讲到的操作}
var fx,fy : integer;
begin
fx := GetFather(x);
fy := GetFather(y);
If fx<>fy then Father[fx] := fy;{指向最祖先的祖先}
end;
--------------------------------------------------------------------------------

（2） 判断两个元素是否属于同一集合仍然使用上面的数组。则本操作即可转换为寻找两个元素的最久远祖先是否相同。可以采用递归实现。（有待补图，制作中）代码：

Function Same(x,y:integer):boolean;
begin
if GetFather(x)=GetFather(y) then
exit(true) else
exit(false);
end;[编辑] 并查集的优化
（1）路径压缩

刚才我们说过，寻找祖先时采用递归，但是一旦元素一多起来，或退化成一条链，每次GetFather都将会使用O（n）的复杂度，这显然不是我们想要的。

对此，我们必须要进行路径压缩，即我们找到最久远的祖先时“顺便”把它的子孙直接连接到它上面。这就是路径压缩了。使用路径压缩的代码如下，时间复杂度基本可以认为是常数的。

附图摘自CLRS：

Procedure Initialize;
var
i:integer;
begin
for i:=1 to maxv do
Father[i]:=i;
end;

Function GetFather(v:integer):integer;
begin
if Father[v]=v then
exit(v) else
Father[v]:=GetFather(Father[v]);
exit(Father[v]);
end;（2）rank合并

合并时将元素少的集合合并到元素多的集合中。

function judge(x,y:integer):boolean;
var fx,fy : integer;
begin
fx := GetFather(x);
fy := GetFather(y);
If fx=fy then
exit(true) else
judge := false;
if rank[fx]>rank[fy] then
father[fy] := fx else begin
father[fx] := fy;
if rank[fx]=rank[fy] then
inc(rank[fy]);
end;
end;初始化：fillchar(rank,sizeof(rank),0);

[编辑] 时间复杂度
O(n*α(n))

其中α(x),对于x=宇宙中原子数之和,α(x)不大于4

事实上，路经压缩后的并查集的复杂度是一个很小的常数。

[编辑] 源代码
加了所有优化的代码框架：

c

c++

[编辑] 习题
Noi2002 银河英雄传说（个人强烈推荐）

CEOI’99 Parity

Kruskal算法的优化

来自"http://www.nocow.cn/index.php/%E5%B9%B6%E6%9F%A5%E9%9B%86"