并查集--.docVIP

并查集 1.引出并查集 并查集，英文译为Disjoint Set，即不相交集合。常用来解决集合相交问题。为什么叫并查集呢？这是因为并查集中包括两个主要的步骤：（1）合并（2）查找。不妨看看下面的例题： 在某个城市里住着n个人，任何两个认识的人不是朋友就是敌人，而且满足： n 我朋友的朋友是我的朋友； n 我敌人的敌人是我的朋友； 已知关于 n个人的m条信息（即某2个人是朋友或者敌人），假设所有是朋友的人一定属于同一个团伙，请计算该城市最多有多少团伙？ 分析：要知道有多少个团伙，就要知道每个人属于哪个团伙？还有做到的是若A属于Team1同时也属于Team2那么就要合并Team1和Team2。这就是并查集的“并”和“查”了。显然天生就要用到并查集解决这个题了。 2.并查集实现 2.1现在来看看怎么实现并查集算法吧？主要看看并（merge）和查（find）怎么实现？ 还是举个例子吧。存在下面的几个集合{1,3,7}, {4}, {2,5,9,10}, {6,8}，如果用编号最小的元素标记所在集合即为set[i]。表示如下： i 1 2 3 4 5 6 7 8 9 10 set[i] 1 2 1 4 2 6 1 6 2 2 对应的代码： find1(x) { return set[x]; } Merge1(a,b) { i = min(a,b); j = max(a,b); for (k=1; k=N; k++) { if (set[k] == j) set[k] = i; } } Find的时间复杂度为O（1）,merge的时间复杂度为O(N)。那么能不能优化呢？？ 2.2并查集中的集合要是表示成树，难道不是很顺理成章的事情吗？？我们试一试吧。 i 1 2 3 4 5 6 7 8 9 10 set[i] 1 2 3 2 1 3 4 3 3 4 set[i] = i , 则i表示本集合，并是集合对应树的根 set[i] = j, ji, 则 j 是 i 的父节点. 对应的数结构 1 2 3 | | | | | 5 4 6 8 9 | | 7 10 代码： find2(x) { r = x; while (set[r] != r) r = set[r]; return r; } merge2(a, b) { if (ab) set[b] = a; else set[a] = b; } Find的最坏的情况时间复杂度是O(N),merge的复杂度为O(1)，那么这个优化了吗？这就要避免find出现最坏的情况了。其实可以将深度小的树合并到深度大的树。这样假设两棵树的深度分别为h1和h2, 则合并后的树的高度h是: 1.max(h1,h2), if h1h2. 2.h1+1, if h1=h2. 看看代码优化过的代码吧？（find没有变化，变化的merge） merge3(a,b) { if (height(a) == height(b)) { height(a) = height(a) + 1; set[b] = a; } else if (height(a) height(b)) set[a] = b; else set[b] = a; } 这样优化过后，显然树的高度不会超过logN了。这样find的复杂度也就不会是O（n）了吧。 2.3作为一个IT应该善于思考滴，想想还能不能优化呢？这一次我们采取一种叫做路径压缩的技术进行优化。思路是这样的：第一步，找到根结点。第二步，修改查找路径上的所有节点，将它们都指向根结点。这显然可以缩短find的复杂度吧。看看代码： find(x) { r = x; while (set[r] r) //找根节点 r = set[r]; i = x; while (i r) //修改查找路径中所有节点指向根节点 { j = set[i]; set[i] = r; i = j; } } 3．总结一下： 并查集算法的时间复杂度主要是find和merge。2.2和2.3的优化本质上都是从find上面优化的，方法都是降低树的高度。2.2是合并的降低的；2.3是查找根节点的时候降低的。另外我们在用并查集的时候，只需要调用merge的。 4．例子 Problem Description 某省调查城镇交通状况，得到现有城镇道路统计表，表中列出了每条道路直接连通的城镇。省政府“畅通工程”的目标是使全省任何两个城镇间都可以实现交通（但不一定有直接的道路相连，只要互相间接通过道路可达即可）。问最少还需要建设多少条道路？ Input 测试输入包含若干测试用例。每个测试用例的第1行给出两个正整数，分别是城镇数目N ( 1000 )和道路数目M；随后的M行对应M条道路，每行给出一对正整数，分别是该条道路直接连