算法與數據結構基礎 - 合併查找(Union Find)

Union Find算法基礎

Union Find算法用於處理集合的合併和查詢問題，其定義了兩個用於並查集的操做：

• Find: 肯定元素屬於哪個子集，或判斷兩個元素是否屬於同一子集
• Union: 將兩個子集合併爲一個子集

並查集是一種樹形的數據結構，其可用數組或unordered_map表示：

Find操做即查找元素的root，當兩元素root相同時斷定他們屬於同一個子集；Union操做即經過修改元素的root(或修改parent)合併子集，下面兩個圖展現了id[6]由6修改成9的變化：

  

圖片來源 這裏

 

Union Find算法應用

Union Find可用於解決集合相關問題，如判斷某元素是否屬於集合、兩個元素是否屬同一集合、求解集合個數等，算法框架以下：

    //261. Graph Valid Tree
    bool validTree(int n, vector<pair<int, int>>& edges) {
        vector<int> num(n,-1);
        for(auto edge:edges){
            //find查看兩點是否已在同一集合
            int x=find(num,edge.first);
            int y=find(num,edge.second);
            if(x==y) return false;  //兩點已在同一集合狀況下則出現環
            //union讓兩點加入同一集合
            num[x]=y;
        }
        return n-1==edges.size();
    }
    int find(vector<int>&num,int i){
        if(num[i]==-1) return i;
        return find(num,num[i]);  //id[id[...id[i]...]]
    }

一些狀況下爲清晰和解偶會將Uinon Find實現爲一個類，獨立出明顯的Union和Find兩個操做。

相關LeetCode題：

261. Graph Valid Tree  題解

684. Redundant Connection  題解

547. Friend Circles  題解

947. Most Stones Removed with Same Row or Column  題解

200. Number of Islands  題解

 

算法優化

有兩種經常使用的方法用來下降並查集樹形結構的高度、以減小Uinon Find算法的時間複雜度，這兩種方法是：

Weighting(或稱做Ranking): 使用多一個數組記錄每一個集合的size，Uinon時將size小的集合掛到size大的集合下，例如：

對三、5 Uinon，因3所在集合元素size 4大於5所在集合元素size 2，將6掛到9下而不是將9掛到6下。

Path compression: 對一個集合下的元素直接掛到root之下，而不是掛到其parent，path compression實現很簡單隻需在Find中加一行代碼：

    string find(unordered_map<string,string>& root,string s){
        if(root[s]!=s) 
            root[s]=find(root,root[s]); return root[s];
    }

加入path compression也能實現減小並查集樹高度的效果，圖示以下：

 

Weighting和Path compression兩種方法能夠同時使用，這樣使得對N個元素進行M次Union Find操做的時間複雜度能夠減小到 (M+N)lgN。因lgN隨N的增加變化很小，因此總體算法時間複雜度接近於線性的時間複雜度。

 

相關LeetCode題：

128. Longest Consecutive Sequence   題解

924. Minimize Malware Spread  題解