• 并查集 rank 的优化


    并查集 rank 的优化

    并查集是一种数据结构,用于处理一些不交集的合并及查询问题。它支持两种操作:查找(Find)和合并(Union)。查找操作用于确定某个元素属于哪个集合,而合并操作用于将两个集合合并成一个。并查集在处理如连通性问题、图的动态连通性等场景时非常有用。

    并查集的基本原理

    并查集的基本思想是,初始时,每个元素构成一个单独的集合,每个集合用一棵树来表示。树中的每个节点都有一个指针指向其父节点,根节点的父节点指针指向自己。在合并操作中,将一棵树的根节点指向另一棵树的根节点,从而实现两个集合的合并。在查找操作中,通过遍历父节点指针,找到某个元素的根节点,从而确定该元素所在的集合。

    rank 优化

    在并查集的实现中,rank 优化是一种常见的优化策略,用于提高并查集的效率。rank 优化的基本思想是,在合并操作中,总是将较小的树合并到较大的树上。这样,可以避免树的高度过高,从而减少查找操作的时间复杂度。

    具体来说,每个节点除了有一个指向父节点的指针外,还有一个 rank 值,表示该节点所在树的秩(高度)。在合并操作中,比较两个根节点的 rank 值,将 rank 值较小的根节点指向 rank 值较大的根节点。如果两个根节点的 rank 值相等,则选择其中一个作为新的根节点,并将其 rank 值加 1。

    rank 优化的实现

    以下是 rank 优化的并查集的 Python 实现:

    class UnionFind:
        def __init__(self, n):
            self.parent = [i for i in range(n)]
            self.rank = [0] * n
    
        def find(self, x):
            if self.parent[x] != x:
                self.parent[x] = self.find(self.parent[x])
            return self.parent[x]
    
        def union(self, x, y):
            rootX = self.find(x)
            rootY = self.find(y)
            if rootX != rootY:
                if self.rank[rootX] > self.rank[rootY]:
                    self.parent[rootY] = rootX
                elif self.rank[rootX] < self.rank[rootY]:
                    self.parent[rootX] = rootY
                else:
                    self.parent[rootY] = rootX
                    self.rank[rootX] += 1
    

    在这个实现中,find 函数用于查找某个元素的根节点,union 函数用于合并两个集合。在 union 函数中,我们使用了 rank 优化,将 rank 值较小的根节点指向 rank 值较大的根节点,从而保持树的高度最小。

    rank 优化的效果

    通过 rank 优化,我们可以将并查集的查找操作的时间复杂度从 O(n) 降低到几乎 O(1),从而大大提高并查集的效率。在实际应用中,rank 优化是一种非常有效的优化策略,被广泛应用于各种场景,如网络流量的连通性分析、图像处理中的连通区域标记等。

  • 相关阅读:
    Python爬虫(三)
    HMM和MEMM+CRF序列标注学习笔记
    320力扣周赛总结
    基于SSM+Jsp+Mysql的多人命题系统
    搭建内网音频直播源基于天津相声广播音频
    元素的盒子模型+标签的尺寸大小和偏移量+获取页面滚动距离+JS直接修改标签样式 + 让页面滚动到指定位置
    iOS 使用runtime 解决按钮重复点击的问题
    【题解】同济线代习题一.8.1
    Linux网络编程:网络协议及网络传输的基本流程
    什么是保护性暂停模式 Guarded Suspension
  • 原文地址:https://blog.csdn.net/weixin_44087733/article/details/140058526