• Union-Find Algorithm-并查集


    目录

    1.概念

    2.并查集的优化

    1.路径压缩(Path Compression)

    1)隔代压缩:

    2)完全压缩:

    2.按秩合并

    1.概念

    并查集:用于判断一对元素是否相连,它们的关系是动态添加(一边查询一边合并)的,这一类叫做动态连通性问题

    作用:支持元素的合并、查询是否在同一个集合

            合并:将一个集合的根节点指向另一个集合的根节点,当根结点相同就说明在同一个集合中

    数据结构:数组或哈希表;表示节点指向的父节点,初始化时指向自己

    2.并查集的优化

    1.路径压缩(Path Compression)

    核心思想:只关心两个顶点的连通性,而不关心两个顶点之间的距离

            为了避免并查集所表示的树形结构高度过高,影响查询性能,我们在查询的过程中使用路径压缩将不同变量转换为同一个变量,从而降低树的高度

    1)隔代压缩:

            将一个节点指向它的父节点的父节点,然后对该节点新的父节点执行隔代压缩,令其指向它的父节点的父节点,依次类推直到指向根节点(体现了核心思想:只关注连通性,不关注如何连通的)

                                            压缩前                                                            压缩后

    代码实现:

    1. //parent[a] = b,表示:结点 a 的(直接)父亲结点是 b
    2. //隔代压缩
    3. public int find(int x){
    4.     while(x != parent[x]){
    5.        parent[x] = parent[parent[x]];
    6.        x = parent[x];
    7.     }
    8.     return x;
    9. }
    2)完全压缩:

            将节点到根节点沿途经过的节点都指向根节点;

    如下图:在查询节点4的根节点的同时,将节点4到根节点的沿途所有节点的父亲节点都指向根节点,特殊情况下,根节点的父节点就是根节点自己;从而使得路径压缩后的树的高度均为2

                                            压缩前                                                            压缩后

    代码实现:需要借助递归算法

    1. //完全压缩
    2. public int find(int x){
    3. if(parent[x] != x){
    4. parent[x] = find(parent[x]);
    5. }
    6. return parent[x];
    7. }

    一般来说:完全压缩的效率并不如隔代压缩,且隔代压缩多执行几次也能够达到完全压缩的效果

    2.按秩合并

    核心思想:合并过程中,将高度较小的树的根节点指向高度较大的根节点,从而避免合并后树的高度增加

    秩:以当前节点为根节点的树的高度;或者是以当前节点为根节点的树的节点的个数

    注意:当同时使用路径压缩和按秩合并时,难以维护的准确定义,因此一般不维护;且合并与查询的时间复杂度接近O(1)

  • 相关阅读:
    【Java练习生】每日面试题学习打卡!
    拓展2: Python Requests库的使用
    grafana 通过查询结果设置动态阈值
    六款 Linux 常用远程连接神器,你知道几个?
    IIS短文件名泄露漏洞复现
    详解迭代器的 fail-fast 与 fail-safe 机制
    Proxy-静态代理
    一种基于光强传输方程的散射成像相位恢复仿真研究
    [iOS开发]iOS中TabBar中间按钮凸起的实现
    温故而知新
  • 原文地址:https://blog.csdn.net/ggggggzzzzz/article/details/132774109