并查集是非常灵活和高效的数据结构,常见应用是维护无向图的连通分量个数、大小,最小生成树的 Kruskal 算法和最近公共祖先等。
并查集维护了若干个不相交的集合,每个集合通过一棵树来组织,根节点为该集合的代表。
三个基本操作:
- init(n) :初始化含有 \(n\) 个集合的并查集,每个集合的代表为自身。
- find(x) :寻找元素 \(x\) 所在集合的代表。
- union(x, y) :将元素 \(x,y\) 所在的集合合并,如果已经是处于同一集合的话就不合并。
一个简单的并查集示例,可以先看图理解,再理解代码结构。
并查集初始化、合并即查找图例图示的一个关键理解是:当 fa[x] == x 时,说明 x 是根节点。很多题目按这个来找所有集合的代表,比如将所有连通分量相连时,就可以按 root1 - root2, root2 - root3 ··· 来将分量连起来
初始化代码为- def __init__(self, n):
- self.fa = list(range(n + 1))
复制代码 find 函数查找到元素所在集合的根,并且在查找过程中进行路径压缩(Path Compression)。
路径压缩目的是把树的高度压低,使得长链可以变成扁平的放射状,从而大大降低时间复杂度。
递归写法(直观、适合带权并查集写法)- def find(self, x):
- if self.fa[x] == x:
- return x
-
- root = self.find(self.fa[x])
- self.fa[x] = root
- return root
复制代码 非递归写法(Python 推荐,避免栈溢出)
这里采用路径减半策略,效率高且代码简洁。- def find(self, x):
- while self.fa[x] != x:
-
- self.fa[x] = self.fa[self.fa[x]]
- x = self.fa[x]
- return x
复制代码 在查找时当自身不是根时往上跳,跳到根节点,然后再返回的过程中改变途径节点的父节点,统一改成根。
合并的话先使用 find 函数找到对应的根,再链接即可。- def union(self, x, y):
- rx = self.find(x)
- ry = self.find(y)
- if rx != ry:
- self.fa[rx] = ry # 将 rx -> ry
复制代码 这里也可以使用一个简单的启发式策略——按秩合并。维护一个 size 数组把小集合挂到大集合里去。- def union(self, x, y):
- rx = self.find(x)
- ry = self.find(y)
- if rx != ry:
- self.fa[rx] = ry # 将 rx -> ry if size[rx] > size[ry]: rx, ry = ry, rx self.fa[rx] = ry size[ry] += size[rx]
复制代码 具体模板为- class DSU:
- def __init__(self, n):
- self.fa = list(range(n + 1))
-
- def find(self, x):
- while self.fa[x] != x:
- self.fa[x] = self.fa[self.fa[x]]
- x = self.fa[x]
- return x
-
- def union(self, x, y):
- rx = self.find(x)
- ry = self.find(y)
- if rx != ry:
- self.fa[rx] = ry
-
- def is_same(self, x, y):
- rx = self.find(x)
- ry = self.find(y)
- return rx == ry
复制代码 来源:程序园用户自行投稿发布,如果侵权,请联系站长删除
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作! |