今天主要介绍的是并查集这种数据结构。其本质上是解决某一些特定问题的而设计出的数据结构。大家可以了解下这种数据结构,作为自己知识的储备。
假设有 n 个村庄,有些村庄之间有连接的路,有些村庄之间并没有连接的路
设计一个数据结构,能够快速执行 2 个操作:
如果使用数组、链表、平衡二叉树、集合(Set) 都可以完成需求,但是查询、连接的时间复杂度都是 O(n)。 并查集能做到查询、连接的均摊时间复杂度都是 O(α(n)),α(n) < 5,非常适合解决这类“连接”相关的问题。
并查集也叫作不相交集合(Disjoint Set)
并查集有2个核心操作:
有 2 种常见的实现思路:
假设并查集处理的数据都是整型,那么可以用整型数组来存储数据。
将{0,1,2,3,4,5,6,7}存储到数组中,如下图:
因此,并查集是可以用数组实现的树形结构(二叉堆、优先级队列也是可以用数组实现的树形结构)
/**
* 查找v所属的集合(根结点)
*/
public abstract int find(int v);
/**
* 合并v1、v2所在的集合
*/
public abstract void union(int v1, int v2);
/**
* 检查v1、v2是否属于同一集合
*/
public boolean isSame(int v1, int v2);
isSame()
的实现十分简单
public boolean isSame(int v1, int v2){
return find(v1) == find(v2);
}
初始化时,每个元素各自属于一个单元素集合
private int[] parents;
public UnionFind(int capacity){
if(capacity < 0){
throw new IllegalArgumentException("capacity must >= 1");
}
parents = new int[capacity];
for (int i = 0; i < parents.length; i++) {
parents[i] = i;
}
}
Quick Find 的 union(v1, v2)
让 v1 所在集合的所有元素都指向 v2 的根节点。
并且 Quick Find 的高度永远保持 <= 2。
例如: 将{0,1,2,3,4,5}初始化为并查集,每个元素各自属于一个单元素集合:{0}, {1}, {2}, {3}, {4} 。
合并 1 和 0,union(1, 0)
,即 {1} 指向了 {2} 。
然后,合并 1 和 2,union(1, 2)
,1 所在集合有 {0, 1},即 {0, 1} 指向了 2 。
再合并 3 和 4,union(3, 4),即 {3} 指向了 {4} 。
合并 0 和 3,union(0, 3),0 所在集合为 {0, 1, 2},3 所在集合为 {3,4},如下:
/**
* 将v1所在集合的所有元素都嫁接到v2的父节点上
* v1 v2 union(v1,v2)
* 0 4 4
* 1 2 3 0 1 2 3
*/
public void union(int v1, int v2){
int p1 = parents[v1];
int p2 = parents[v2];
for (int i = 0; i < parents.length; i++) {
if(parents[i] == p1){
parents[i] = p2;
}
}
}
Quick Find 查找的时候,由于数组中存储的就是根结点,因此直接取出即可。
对上图执行 find():
find(0) == 2
find(1) == 2
find(2) == 2
find(3) == 4
/**
* 父节点就是根节点
*/
public int find(int v){
rangeCheck(v);
return parents[v];
}
今天主要介绍了并查集这种数据结构,然后详细的讲述了Quick Find的实现思路。希望给大家的知识库增加一些新的知识储备。
end