并查集
来源:互联网 发布:手机版希沃白板软件 编辑:程序博客网 时间:2024/06/11 02:01
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通的两个城镇的编号。为简单起见,城镇从1到N编号。
注意:两个城市之间可以有多条道路相通,也就是说
3 3
1 2
1 2
2 1
这种输入也是合法的
当N为0时,输入结束,该用例不被处理。
Output
对每个测试用例,在1行里输出最少还需要建设的道路数目。
Sample Input
4 2
1 3
4 3
3 3
1 2
1 3
2 3
5 2
1 2
3 5
999 0
0
Sample Output
1
0
2
998
Hint
Huge input, scanf is recommended.
畅通工程是并查集里面,非常基础且典型的一道题。
相互连接的城市构成一个集合,只需要判断集合个数即可知道要修多少条路。
集合个数的判断也可以根据每个集合只有一个根节点的特征,找n个数里有几个根节点,并减去1。
为什么减去1? 3个孤独的城镇互联,只需要两条路,同理三个集合之间关联也只需要两条路,所以是集合总数减1。
再说一下并查集,并查集的概念用数来理解较好,但是实现是用数组来实现的。
就用上面这个图来简单说一下吧。
令a,b,c,d组成一个集合,e,f,g组成另一个集合。
谈到树的概念,树的维护用father数组,就是父节点,每一个树叶都有各自的父节点,最终会查询到这棵树的根节点,根节点是唯一的。例如:d的父节点是b,b的父节点是a,a是这棵树的根节点。
如何判断d和c有联系呢?
通过向上查找根节点,查看这两个点的根节点是否相同,即可知道它们两者是否有联系。
d的根节点是a,c的父节点是a,同样a也是父节点→可以发现d和c的根节点相同,所以可以判断他们之间属于一个集合,即有联系。
并查集,显然就是将集合合并起来。
合并的意义就是让两个集合之间都可以相关联,判断关联与否在于父节点是否相同。
因此,合并就是将一个树为主树(一般以节点个数多的为主),一个树扩展成主树的一条枝。
修改只需要修改从树根节点的father值,将从树根节点的父节点设置为主树根节点。
这样两个树就合并成一个树了。
同右面的图,判断d和g是否相关联:
d的根节点为a,g的父节点为f,f父节点e,e父节点为a,因为两者根节点相同,所以这两者是相关联的。
这些都是我的理解,若有不对的地方,欢迎提出。
下面是这道题的代码,这道题提示中说数据量很大,最好用scanf,用cin其实也可以过,不过时间多了15MS
#include <stdio.h>const int MAX=1000;int father[MAX];//初始化函数void Init(int n){ int i; for(i=1;i<=n;i++) father[i]=i;}//查找函数int Find(int x){ while(father[x]!=x) x=father[x]; return x;}//合并函数void combine(int a,int b){ int temp_a,temp_b; temp_a=Find(a); temp_b=Find(b); if(temp_a!=temp_b) father[temp_a]=temp_b;}//确定连通分量个数int find_ans(int n){ int i,sum=0; for(i=1;i<=n;++i) if(father[i]==i) ++sum; return sum;}int main(){ int i,n,m,a,b; while(scanf("%d",&n)!=EOF) { if(!n) break; Init(n); scanf("%d",&m); for(i=0;i<m;++i) { scanf("%d%d",&a,&b); combine(a,b); } printf("%d\n",find_ans(n)-1); } return 0;}
1. 简述
并查集是一种树型的数据结构,用于处理一些不相交集合(Disjoint Sets)的合并及查询问题。常常在使用中以森林来表示。
需要实现的操作有:合并两个集合,判断两个元素是否属于一个集合。
这里介绍的主要是普通的并查集,很多情况下使用的并查集是需要扩展的,根据使用情况的不同,有很多差别,这里仅仅是最基本的算法。2. 复杂度
T=O(n*α(n)) , 其中α(x),对于x=宇宙中原子数之和,α(x)不大于4。事实上,路经压缩后的并查集的复杂度是一个很小的常数。
3. 伪代码没有使用路径压缩和启发式的方法。
// 初始化并查集#define N 100int father[N];void init() {for(int i=0; i<N; i++)father[i] = i;}// 合并两个元素所在的集合
void union(int x,int y) {
x = getfather(x);
y = getfather(y);
if(x!= y)
father[x]=y;
}
// 判断两个元素是否属于同一个集合
bool same(int x,int y) {
return getfather(x)==getfather(y);
}
// 获取根结点
int getfather(int x) {
while(x != father[x])
x = father[x];
return x;
}使用路径压缩,改进getfather。
// 获取根结点
int getfather(int x) {
if(x != father[x])
father[x] = getfather(father[x]); // 路径压缩修改的是father数组return father[x];
}另外,还可以改进union,把数量少的集合合并到数量大的集合中,不过这就要记录每个集合中的元素数量,相当于增加了O(N)的存储空间,而且在getfather中也应该保持对元素数量的维护,相对代码复杂度偏高,而且感觉性能提升不多,这里就不写了。
1.并查集(Union-Find Sets)一种树型数据结构,用于处理不相交集合(Disjoint Sets)的合并以及查询;一开始让所有元素独立成树,也就是只有根节点的树;然后根据需要将关联的元素(树)进行合并;合并的方式仅仅是将一棵树最原始的节点的父亲索引指向另一棵树; 优化:加入一个rank数组存储节点深度的下界(从当前节点到其最远子节点的距离),从而可以启发式的对树进行合并,从而减少树的深度,防止树的退化;使得包含较少节点的树根指向包含较多节点的树根,具体指代为树的高度;另一个优化就是路径压缩,尽可能将子节点都直接连接到根节点之后;并查集的空间复杂度为O(N),构建一个集合的时间复杂度为O(N);压缩后的查找复杂度是一个很小的常数;应用:Kruskal算法求最小生成树中判断新加入的边是否在同一棵树内部;两个节点的最近公共祖先(Least Common Ancestors);初始化father:各个节点独立成树,并且其father[i]=i,也就是其父节点就是其自身;father[i]01234567890123456789初始化rank:各个节点为根节点,所以高度都为1;rank[i]01234567891111111111合并2和6:由于rank[2]=rank[6],所以将2的父亲索引指向6,这样2和6就在同一棵树;并需将6的rank值增加1;father[i]01234567890163456789rank[i]01234567891111112111下述为代码实现:int *father;int *rank;/** * 并查集的初始化: * 数组father中的元素在最开始ide时候都是独立的树,也就是只有根节点 * 的树,数组father的下标i表示节点,而father[i]的值表示i节点的父亲 * 节点;rank[i]=1表示一开始所有树节点的高度都为1 * */void init(int cap) { father=new int[cap]; rank=new int[cap]; /** * 时间复杂度为O(N) * */ for(int i=0;i<10;i++) { father[i]=i; rank[i]=1; }}void clean() { delete [] father; delete [] rank;}/** * 查找元素所在的集合并进行路劲压缩: * 由于需要频繁使用GetFather()函数,并且其时间复杂度受树结构影响; * 当元素较多的时候,集合退化成链表,则GetFather()需要O(N),所以 * 需要对其进行优化,每次调用GetFather()的时候都将输入元素压缩成 * 最原始父亲节点的直接子节点 * */int GetFather(int son) { if(father[son]==son) return son; else { father[son]=GetFather(father[son]); return father[son]; }}/** * 合并两个不相交的集合: * 输入元素x和y来自两个不相交的集合,找到其最原始的父亲节点 * 并将一个原始父亲节点设置为另一个原始父亲节点的父亲节点 * */void Union1(int x, int y) { /** * GetFather()为递归寻找输入节点的最原始的父亲节点 * */ int fx=GetFather(x); int fy=GetFather(y); /** * 判断x和y是否来自同一棵树,如果不是才进行赋值;其实可以 * 不同进行判断(省去if语句) * 注意最原始父亲节点的father[i]=i; * */ if(fx!=fy) father[fx]=fy;}/** * 利用rank加权数组启发式进行合并 * */void Union2(int x, int y) { int fx=GetFather(x); int fy=GetFather(y); if(fx==fy) return; /** * rank[fx]较大,说明其越靠近根节点,则将 * fy连接到其后面可以压缩路径 * */ if(rank[fx]>rank[fy]) father[fy]=fx; else { if(rank[fx]==rank[fy]) rank[fy]++; father[fx]=fy; }}/** * 判断两个元素是否属于同一个集合: * 利用GetFather()函数判断其最原始父亲节点是否相同 * */bool IsSameSet(int x, int y) { return GetFather(x)==GetFather(y);}
- HDU3938 并查集 并查集
- 并查集(集并查)
- HDU1232 并查集<并>
- 并查集
- 数据结构-并查集
- 并查集
- 并查集!
- 并查集
- 并查集
- 并查集
- 并查集
- 并查集总结
- 并查集学习
- 并查集
- 并查集
- 并查集
- 所谓并查集
- 并查集
- 8.5 Map
- css 没有宽度和高度声明实现的全屏自适应效果
- //两种方法设置disabled属性
- linux 同步机制 死锁
- 【POJ 2253】Frogger(Dijkstra)
- 并查集
- css 高度自适应的九宫格效果
- JavaScript进阶篇
- Jmeter实现关联
- 医学图像增强之UNSHARP技术(蒙片)
- BOOT.IMG文件结构
- 【985系列】985的最大和难题
- viewpager 滑动崩溃
- HDU 5789 Permutation