2010年度8月16日并查集的应用.docVIP

并查集 (Union-Find Sets)及其应用 并查集： (union-find sets)是一种简单的用途广泛的集合. 并查集是若干个不相交集合，能够实现较快的合并和判断元素所在集合的操作，应用很多。一般采取树形结构来存储并查集，并利用一个rank数组来存储集合的深度下界，在查找操作时进行路径压缩使后续的查找操作加速。这样优化实现的并查集，空间复杂度为O(N)，建立一个集合的时间复杂度为O(1)，N次合并M查找的时间复杂度为O(M Alpha(N))，这里Alpha是Ackerman函数的某个反函数，在很大的范围内（人类目前观测到的宇宙范围估算有10的80次方个原子，这小于前面所说的范围）这个函数的值可以看成是不大于4的，所以并查集的操作可以看作是线性的。它支持以下三种操作: 　　－Union (Root1, Root2) //并操作；把子集合Root2并入集合Root1中.要求：Root1和 Root2互不相交,否则不执行操作.　　－Find (x) //搜索操作；搜索元素x所在的集合,并返回该集合的名字.　　－UFSets (s) //构造函数。将并查集中s个集合初始化为s个只有一个单元素的子集合.　　－对于并查集来说，每个集合用一棵树表示。　　－集合中每个元素的元素名分别存放在树的结点中，此外，树的每一个结点还有一个指向其双亲结点的指针。　　－设 S1= {0, 6, 7, 8 }，S2= { 1, 4, 9 }，S3= { 2, 3, 5 } ??? －为简化讨论，忽略实际的集合名，仅用表示集合的树的根来标识集合。　　－为此，采用树的双亲表示作为集合存储表示。集合元素的编号从0到 n-1。其中 n 是最大元素个数。在双亲表示中，第 i 个数组元素代表包含集合元素 i 的树结点。根结点的双亲为-1，表示集合中的元素个数。为了区别双亲指针信息( ≥ 0 )，集合元素个数信息用负数表示。 ? S1 ∪ S2的可能的表示方法: void ufsets(int s) {//构造函数 ??? int ? i, parent[s];? ??? for(i = 0;? i s; i++){ ??? ?? parent[i] = -1; ??? } } int find(int x)//搜索操作 { ??? if(parent[x] = 0){ ??? ?? ?? return x; ??? } ??? else{ ??? ?? return find(parent[x]); } void union(int root1, int root2){//合并操作 ??? parent[root2] = root1;//root2指向root1 } Find和Union操作性能不好。假设最初 n 个元素构成 n 棵树组成的森林，parent[i] = -1。做处理Union(0, 1), Union(1, 2), …, Union(n-2, n-1)后，将产生如图所示的退化的树。 执行一次Union操作所需时间是O(1)，n-1次Union操作所需时间是O(n)。若再执行Find(0), Find(1), …, Find(n-1), 若被搜索的元素为i，完成Find(i)操作需要时间为O(i)，完成 n 次搜索需要的总时间将达到 Union操作的加权规则 　　为避免产生退化的树，改进方法是先判断两集合中元素的个数，如果以 i 为根的树中的结点个数少于以 j 为根的树中的结点个数，即parent[i] parent[j]，则让 j 成为 i 的双亲，否则，让i成为j的双亲。此即Union的加权规则。 ????????? parent[0](== -4) parent[4] (== -3) 　　void WeightedUnion(int Root1, int Root2) {　　　//按Union的加权规则改进的算法　　　int temp = parent[Root1] + parent[Root2];　　　if ( parent[Root2] parent[Root1] ) {　　　　parent[Root1] = Root2; //Root2中结点数多　　　　parent[Root2] = temp; 　//Root1指向Root2　　　}　　　else { 　　　　parent[Root2] = Root1; //Root1中结点数多　　　　parent[Root1] = temp; 　//Root2指向Root1　　　}　　} ? 使用加权规则得到的树 下面是几到用并查集可以方便解决的问题: 题目： 亲戚(Relations) 或许你并不知道，你的某个朋友是你的亲戚。他可能是你的