首页 > 代码库 > 并查集小记
并查集小记
并查集:
并查集,一种树型的数据结构,处理一些不相交集合的合并及查询问题。比如问题:某个家族人员过于庞大,要判断两个人是否是亲戚,不太容易。现给出某个亲戚关系图,求任意给出的两个人是否具有亲戚关系。 规定:x和y是亲戚,y和z是亲戚,那么x和z也是亲戚。如果x,y是亲戚,那么x的亲戚都是y的亲戚,y的亲戚也都是x的亲戚。
从基本实现集合的结构出发:
1.单纯的快速查找:
若id相同则在一个集合中,下图中,( 2, 3, 4, 9 )为一集合, 3 和 6 不在一个集合中
合并集合时,需逐个比较将两个集合的 id 统一,慢
缺陷:
合并慢
==================================================
2.单纯的快速合并:
上图,3 的祖先是 9, 5 的祖先是 6,则 3 和 5 不在一个集合中。
若要合并 3 和 5 所在集合,则任意选择一个集合的祖先接到另一个集合的祖先上去,其他节点信息不动。
如下合并 3, 5:
快速合并的过程图:
缺陷:
树增高,退化。
===================================================
3.按重合并:
将节点数小的集合拼接到节点数大的集合中去,只修改小集合的根节点的父亲,其他节点父亲不动。按重合并能保证树的平缓增长。
==================================================
4.路劲压缩:
如若找 9 的祖先,则从 9 到 0 的路径上的所有节点拼接到0上面。
=================================================
5.按重合并 加上 路径压缩(并查集):
过程图如下
C++ 代码:
#include <iostream> #include <string.h> using namespace std; #define NODE_SIZE 100 int set_weights[NODE_SIZE]; int parent[NODE_SIZE]; void init(){ for( int i = 0; i < NODE_SIZE; ++i ){ set_weights[i] = 1; parent[i] = i; } } // 寻找改点的祖先 当该点的值 等于 本身的父亲 才是集合的根,返回 int find_ancestor( int i ){ if( i != parent[i] ) parent[i] = find_ancestor( parent[i] ); return parent[i]; } void merge_set( int a, int b ){ int set_a = find_ancestor( a ); int set_b = find_ancestor( b ); if( set_a == set_b ) return; // 将重量小的集合拼接到重量大的集合上 if( set_weights[set_a] >= set_weights[set_b] ){ set_weights[set_a] += set_weights[set_b]; // 更新重量小的集合的根的父亲 parent[set_b] = set_a; } else{ set_weights[set_b] += set_weights[set_a]; parent[set_a] = set_b; } } int main(){ init(); merge_set( 3, 4 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 4, 9 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 8, 0 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 2, 3 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 5, 6 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 5, 9 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 7, 3 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 4, 8 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; cout << endl; merge_set( 6, 1 ); for( int i = 0; i <= 9; ++i ) cout << parent[i] << " "; }
运行结果:
应用:
一个很经典的物理模型, N * N 的格子,每个格子有两种状态vacant“空白”或者occupied“被占用”,网格能被过滤,当且仅当顶部和底部能被空白的格子链接。如下,蓝色的是“空白”,白色的是“占用”,则第一幅图是能过滤的,第二幅图是不能被过滤的。
现在知道vacant状态的格子在图中出现的概率 P* 能够影响到图能否被过滤,现在要求 P*。
P < P* ,几乎都不能被过滤,
P > P* ,几乎都能被过滤。
(这个问题乍一看和Union-Find没什么关系)
但可这么做:
1.将格子全部初始化为被占用
2.实现 make_site_vacant() 操作,用于将邻接的格子用 Union 操作联系在一起
3.让所有处于顶部和底部的格子变为vacant
4.再随机将其他的格子变为vacant,直到能够find( 顶部,底部 )
5.估算出P*