【数据结构与算法】并查集

这篇具有很好参考价值的文章主要介绍了【数据结构与算法】并查集。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、并查集的概念

并查集是一个树形结构,所谓的并查,就是当我们有了一个节点,我们就能知道这个节点属于哪个集合

举个例子理解以下:战国时期有很多国家,它们会互相打仗,那么现在有两个互相不认识的人,如何知道对方是敌是友呢?

现在有一种方法:每个国家都有一个大王,我们只要知道自己的上级,上级在知道他的上级,一层层往上,就能找到他的大王是谁,这样就能知道两个人是否是一个国家的了。

二、并查集的实现

首先我们需要一个整型数组p[]它记录的是每个节点的前驱节点。
然后需要find(x)函数,作用是用于查找指定节点x于哪个集合.
函数join(x1,x2) 用于合并两个节点 x1 和 x2

2.1 find()的实现

上面说了我们要确定自己的大王是谁,就可以一层一层的向上询问。
所以我们可以用find来找到节点的根。

int find(int x)					
{
	while(p[x] != x)// 一层层的向上找
		x = p[x];				
	return x;					
}

2.2 路径压缩算法

我们发现如果我们每次都一层一层的向上查找太消耗时间了,所以我们可以在查找的过程把路径压缩。
【数据结构与算法】并查集

int find(int x)
{
    // 路径压缩
    if(p[x] != x) p[x] = find(p[x]);//递归出口:x的上级为 x本身,即 x为根结点  
    return p[x];
}

注意这里第一次查找的时候是没有压缩效果的,第二次及以后才会有效果。

2.3 join()的实现

join就是把两个本来不相关的节点放到一个集合里面,具体实现我们可以借用find函数,对于join(x1,x2),我们只需要让x1的上级变成x2的上级即可。
【数据结构与算法】并查集

void join(int x1, int x2)
{
    p[find(x1)] = find(x2);
}

三、并查集的应用

3.1 例题:合并集合

题目链接

题目描述:

一共有 n个数,编号是 1∼n,最开始每个数各自在一个集合中。
现在要进行 m个操作,操作共有两种:
M a b,将编号为 a 和 b
的两个数所在的集合合并,如果两个数已经在同一个集合中,则忽略这个操作;
Q a b,询问编号为 a 和 b的两个数是否在同一个集合中;

输入格式

第一行输入整数 n 和 m。
接下来 m 行,每行包含一个操作指令,指令为 M a b 或 Q a b 中的一种。

输出格式

对于每个询问指令 Q a b,都要输出一个结果,如果 a 和 b 在同一集合内,则输出 Yes,否则输出 No。
每个结果占一行。

数据范围

1≤n,m≤1e5

输入样例:

4 5
M 1 2
M 3 4
Q 1 2
Q 1 3
Q 3 4

输出样例:

Yes
No
Yes

#include <iostream>

using namespace std;

const int N = 1e5 + 10;
int p[N];

int find(int x)
{
    // 路径压缩
    if(p[x] != x) p[x] = find(p[x]);
    return p[x];
}

void join(int x1, int x2)
{
    p[find(x1)] = find(x2);
}

int main()
{
    int n, m;
    cin >> n >> m;
    for(int i = 1; i <= n; i++)
    {
        p[i] = i;
    }
    while(m--)
    {
        char op;
        int x1, x2;
        cin >> op >> x1 >> x2;
        if(op == 'M')
        {
            join(x1, x2);
        }
        else
        {
            if(find(x1) == find(x2))
            {
                cout << "Yes" << endl;
            }
            else
            {
                cout << "No" << endl;
            }
        }
    }
    return 0;
}

3.2 例题:连通块中点的数量

题目描述:

给定一个包含 n 个点(编号为 1∼n)的无向图,初始时图中没有边。
现在要进行 m 个操作,操作共有三种:
C a b,在点 a 和点 b 之间连一条边,a 和 b 可能相等;
Q1 a b,询问点 a 和点 b 是否在同一个连通块中,a 和 b 可能相等;
Q2 a,询问点 a 所在连通块中点的数量;

输入格式

第一行输入整数 n 和 m。
接下来 m 行,每行包含一个操作指令,指令为 C a b,Q1 a b 或 Q2 a 中的一种。

输出格式

对于每个询问指令 Q1 a b,如果 a 和 b 在同一个连通块中,则输出 Yes,否则输出 No。
对于每个询问指令 Q2 a,输出一个整数表示点 a 所在连通块中点的数量,每个结果占一行。

数据范围

1≤n,m≤1e5

输入样例:

5 5
C 1 2
Q1 1 2
Q2 1
C 2 5
Q2 5

输出样例:

Yes
2
3

思路分析:
这道题跟上面一道题的不同是这里需要求一个集合有多少个元素,我们的方法是添加一个cnt数组,让每个集合的根节点来记录这个集合里有多少个元素
具体的做法是在join中处理cnt数组,因为查找find并不会改变该集合的元素个数。

void join(int x1, int x2)
{
    cnt[find(x2)] += cnt[find(x1)];
    p[find(x1)] = find(x2);
}

这里要注意顺序不能改变,如果把p[find(x1)] = find(x2);放在前面,find(x1)的根就会发生了变化。所以要先处理cnt数组。

#include <iostream>
#include <string>

using namespace std;

const int N = 1e5 + 10;
int p[N], cnt[N];

int find(int x)
{
    if(p[x] != x)
    {
        p[x] = find(p[x]);
    }
    return p[x];
}

void join(int x1, int x2)
{
    cnt[find(x2)] += cnt[find(x1)];
    p[find(x1)] = find(x2);
}

int main()
{
    int n, m;
    cin >> n >> m;
    for(int i = 1; i <= n; i++)
    {
        p[i] = i;
        cnt[i] = 1;
    }
    while(m--)
    {
        string op;
        int a, b;
        cin >> op;
        if(op == "C")
        {
            cin >> a >> b;
            if(find(a) != find(b))
            {
                join(a, b);
            }
        }
        else if(op == "Q1")
        {
            cin >> a >> b;
            if(find(a) == find(b))
            {
                cout << "Yes" << endl;
            }
            else
            {
                cout << "No" << endl;
            }
        }
        else
        {
            cin >> a;
            cout << cnt[find(a)] << endl;
        }
    }
    return 0;
}

四、总结

1️⃣ 我们一般用集合中的某个元素来代表这个集合,则该元素称为此集合的代表元。
2️⃣ 对于每一个元素 x,pre[x] 存放 x 在树形结构中的父亲节点(如果 x 是根节点,则令pre[x] = x

一般来说,一个并查集对应两个操作:文章来源地址https://www.toymoban.com/news/detail-413970.html

  1. 查找函数( Find()函数 )
  2. 合并集合函数( Join()函数 )


到了这里,关于【数据结构与算法】并查集的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数据结构】并查集

    并查集是简单的数据结构,学会并查集,为图打好基础。 是树状的数据结构,用于处理相交集合的合并与查询 通常用森林表示,一片森林表示一个集合 并查集一般需要完成 查找元素属于哪个集合 查看两个元素是否属于同一个集合 将两个集合归并成一个集合 集合的个数 假

    2024年02月19日
    浏览(36)
  • 数据结构--并查集

    所有元素的全集s 将各个元素划分为若干个互不相交的子集 用一个数组S[ ]即可表示“集合”关系 集合的两个基本操作―— “并” color{red}“并” “ 并 ” 和 “查” color{red}“查” “ 查 ” Find -—“查”操作:确定一个指定元素所属集合 Union --“并”操作:将两个不想交的集

    2024年02月15日
    浏览(36)
  • 【数据结构】--并查集

    目录 一、概念 ​编辑 二、应用场景--“连接”问题(属于同一Qu 三、实现思路  四、如何存储数据 五、定义接口 1.初始化(init) 2.其他 isSame() 六、抽象类 六、Quick Find【v1 所在集合的所有元素都指向 v2 的根节点】 1.Union 1.Union图解 2.注意点:  3.代码实现 2.find  1.find图

    2023年04月09日
    浏览(34)
  • 【高阶数据结构】——并查集

    在一些应用问题中, 需要将n个不同的元素划分成一些不相交的集合。开始时,每个元素自成一个单元素集合, 然后按一定的规律将归于同一组元素的集合合并 。在此过程中要 反复用到查询某一个元素归属于那个集合的运算 。适合于描述这类问题的抽象数据类型称为 并查集

    2024年02月16日
    浏览(38)
  • 数据结构之并查集

    并查表原理是一种 树型的数据结构 ,用于处理一些不相交集合的合并及查询问题。并查集的思想是用一个数组表示了整片森林(parent),树的根节点唯一标识了一个集合,我们只要找到了某个元素的树根,就能确定它在哪个集合里。这类问题的抽象数据类型称为并查集(uni

    2024年02月12日
    浏览(37)
  • 数据结构详细笔记——并查集

    集合:将各个元素划分为若干个互不相交的子集的集合 森林是m(m=0)棵互不相交的树的集合 优化思路:在每次Union操作构建树的时候,尽可能让树不长高 ①用根结点的绝对值表示树的结点的总数 ②Union操作,让小树合并到大树 优化思路:先找到根结点,再将查找路径上所有结

    2024年02月06日
    浏览(38)
  • 【数据结构】| 并查集及其优化实现

    以一个直观的问题来引入并查集的概念。 亲戚问题:有一群人,他们属于不同家族,同一个家族里的人互为亲戚,不同家族的人不是亲戚。随机指定两个人,问他们是否有亲戚关系。 以下图3个不相交的集合表示 3 个家族,当询问两个人是否有亲戚关系时,也就是问两个元素

    2024年02月09日
    浏览(40)
  • 计算机基础--->数据结构(9)【并查集】

    并查集是一种用于解决集合合并和查询问题的数据结构,主要用于实现有关集合的操作,它有两种主要操作,合并(union)和查找(find)。 查找(Find):用来确定元素属于哪个集合。它接受一个元素作为参数,并返回这个元素所属集合的代表元素。通过查找操作,可以判断

    2024年02月15日
    浏览(50)
  • 数据结构(八):并查集详解 (多图+动图)

    目录 一、什么是并查集 二、并查集的存储结构 三、并查集的基本操作 (一)初始化 (二)Find操作 (三)Union操作 四、并查集的优化 (一)Union操作优化(小树并入大树) (二)Find操作优化(压缩路径)         并查集的逻辑结构是一个包含N个元素的 集合 ,如图:

    2024年02月03日
    浏览(44)
  • Java高阶数据结构 & 并查集 & 最小生成树

    并查集与最小生成树 1.1 并查集的原理 在一些应用问题中,我们常常会遇到一类问题 一开始是一个人 后来新增的人可能与这个人有关系,也可能与这个人无关系。 一个人与一个人有关系,这个人与另一个人也有关系,那么三人都有关系。 有关系的和没关系的之间是不同的类

    2024年02月03日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包