首页 > 代码库 > 经典算法题每日演练——第十五题 并查集

经典算法题每日演练——第十五题 并查集

原文:经典算法题每日演练——第十五题 并查集

    这一篇我们看看经典又神奇的并查集,顾名思义就是并起来查,可用于处理一些不相交集合的秒杀。

一:场景 

   有时候我们会遇到这样的场景,比如:M={1,4,6,8},N={2,4,5,7},我的需求就是判断{1,2}是否属于同一个集合,当然实现方法

有很多,一般情况下,普通青年会做出O(MN)的复杂度,那么有没有更轻量级的复杂度呢?嘿嘿,并查集就是用来解决这个问题的。

 

二:操作

  从名字可以出来,并查集其实只有两种操作,并(Union)和查(Find),并查集是一种算法,所以我们要给它选择一个好的数据结构,

通常我们用树来作为它的底层实现。

1.节点定义

 1         #region 树节点 2         /// <summary> 3         /// 树节点 4         /// </summary> 5         public class Node 6         { 7             /// <summary> 8             /// 父节点 9             /// </summary>10             public char parent;11 12             /// <summary>13             /// 节点的秩14             /// </summary>15             public int rank;16         }17         #endregion

 

2.Union操作

 <1>原始方案

      首先我们会对集合的所有元素进行打散,最后每个元素都是一个独根的树,然后我们Union其中某两个元素,让他们成为一个集合,

 最坏情况下我们进行M次的Union时会存在这样的一个链表的场景。

技术分享

从图中我们可以看到,Union时出现了最坏的情况,而且这种情况还是比较容易出现的,最终导致在Find的时候就相当寒酸苦逼了,为O(N)。

 

<2> 按秩合并

    我们发现出现这种情况的原因在于我们Union时都是将合并后的大树作为小树的孩子节点存在,那么我们在Union时能不能判断一下,

将小树作为大树的孩子节点存在,最终也就降低了新树的深度,比如图中的Union(D,{E,F})的时候可以做出如下修改。

技术分享

可以看出,我们有效的降低了树的深度,在N个元素的集合中,构建树的深度不会超过LogN层。M次操作的复杂度为O(MlogN),从代

码上来说,我们用Rank来统计树的秩,可以理解为树的高度,独根树时Rank=0,当两棵树的Rank相同时,可以随意挑选合并,在新

根中的Rank++就可以了。

 1 #region 合并两个不相交集合 2         /// <summary> 3         /// 合并两个不相交集合 4         /// </summary> 5         /// <param name="root1"></param> 6         /// <param name="root2"></param> 7         /// <returns></returns> 8         public void Union(char root1, char root2) 9         {10             char x1 = Find(root1);11             char y1 = Find(root2);12 13             //如果根节点相同则说明是同一个集合14             if (x1 == y1)15                 return;16 17             //说明左集合的深度 < 右集合18             if (dic[x1].rank < dic[y1].rank)19             {20                 //将左集合指向右集合21                 dic[x1].parent = y1;22             }23             else24             {25                 //如果 秩 相等,则将 y1 并入到 x1 中,并将x1++26                 if (dic[x1].rank == dic[y1].rank)27                     dic[x1].rank++;28 29                 dic[y1].parent = x1;30             }31         }32         #endregion

 

 3.Find操作

   我们学算法,都希望能把一个问题优化到地球人都不能优化的地步,针对logN的级别,我们还能优化吗?当然可以。

 <1>路径压缩

     在Union和Find这两种操作中,显然我们在Union上面已经做到了极致,下面我们在Find上面考虑一下,是不是可以在Find上运用

伸展树的思想,这种伸展思想就是压缩路径。

技术分享

从图中我们可以看出,当我Find(F)的时候,找到“F”后,我们开始一直回溯,在回溯的过程中给,把该节点的父亲指向根节点。最终

我们会形成一个压缩后的树,当我们再次Find(F)的时候,只要O(1)的时间就可以获取,这里有个注意的地方就是Rank,当我们在路

径压缩时,最后树的高度可能会降低,可能你会意识到原先的Rank就需要修改了,所以我要说的就是,当路径压缩时,Rank保存的就

是树高度的上界,而不仅仅是明确的树高度,可以理解成"伸缩椅"伸时候的长度。

 1 #region  查找x所属的集合 2         /// <summary> 3         /// 查找x所属的集合 4         /// </summary> 5         /// <param name="x"></param> 6         /// <returns></returns> 7         public char Find(char x) 8         { 9             //如果相等,则说明已经到根节点了,返回根节点元素10             if (dic[x].parent == x)11                 return x;12 13             //路径压缩(回溯的时候赋值,最终的值就是上面返回的"x",也就是一条路径上全部被修改了)14             return dic[x].parent = Find(dic[x].parent);15         }16         #endregion

我们注意到,在路径压缩后,我们将LogN的复杂度降低到Alpha(N),Alpha(N)可以理解成一个比hash函数还有小的常量,嘿嘿,这

就是算法的魅力。

最后上一下总的运行代码:

using System;using System.Collections.Generic;using System.Linq;using System.Text;namespace ConsoleApplication1{    class Program    {        static void Main(string[] args)        {            //定义 6 个节点            char[] c = new char[] { ‘A‘, ‘B‘, ‘C‘, ‘D‘, ‘E‘, ‘F‘ };            DisjointSet set = new DisjointSet();            set.Init(c);            set.Union(‘E‘, ‘F‘);            set.Union(‘C‘, ‘D‘);            set.Union(‘C‘, ‘E‘);            var b = set.IsSameSet(‘C‘, ‘E‘);            Console.WriteLine("C,E是否在同一个集合:{0}", b);            b = set.IsSameSet(‘A‘, ‘C‘);            Console.WriteLine("A,C是否在同一个集合:{0}", b);            Console.Read();        }    }    /// <summary>    /// 并查集    /// </summary>    public class DisjointSet    {        #region 树节点        /// <summary>        /// 树节点        /// </summary>        public class Node        {            /// <summary>            /// 父节点            /// </summary>            public char parent;            /// <summary>            /// 节点的秩            /// </summary>            public int rank;        }        #endregion        Dictionary<char, Node> dic = new Dictionary<char, Node>();        #region 做单一集合的初始化操作        /// <summary>        /// 做单一集合的初始化操作        /// </summary>        public void Init(char[] c)        {            //默认的不想交集合的父节点指向自己            for (int i = 0; i < c.Length; i++)            {                dic.Add(c[i], new Node()                {                    parent = c[i],                    rank = 0                });            }        }        #endregion        #region 判断两元素是否属于同一个集合        /// <summary>        /// 判断两元素是否属于同一个集合        /// </summary>        /// <param name="root1"></param>        /// <param name="root2"></param>        /// <returns></returns>        public bool IsSameSet(char root1, char root2)        {            return Find(root1) == Find(root2);        }        #endregion        #region  查找x所属的集合        /// <summary>        /// 查找x所属的集合        /// </summary>        /// <param name="x"></param>        /// <returns></returns>        public char Find(char x)        {            //如果相等,则说明已经到根节点了,返回根节点元素            if (dic[x].parent == x)                return x;            //路径压缩(回溯的时候赋值,最终的值就是上面返回的"x",也就是一条路径上全部被修改了)            return dic[x].parent = Find(dic[x].parent);        }        #endregion        #region 合并两个不相交集合        /// <summary>        /// 合并两个不相交集合        /// </summary>        /// <param name="root1"></param>        /// <param name="root2"></param>        /// <returns></returns>        public void Union(char root1, char root2)        {            char x1 = Find(root1);            char y1 = Find(root2);            //如果根节点相同则说明是同一个集合            if (x1 == y1)                return;            //说明左集合的深度 < 右集合            if (dic[x1].rank < dic[y1].rank)            {                //将左集合指向右集合                dic[x1].parent = y1;            }            else            {                //如果 秩 相等,则将 y1 并入到 x1 中,并将x1++                if (dic[x1].rank == dic[y1].rank)                    dic[x1].rank++;                dic[y1].parent = x1;            }        }        #endregion    }}

  

技术分享

 

经典算法题每日演练——第十五题 并查集