目录
一、并查集原理
二、并查集实现
三、并查集应用
1. LeetCode并查集相关OJ题
2. 并查集的其他应用及总结
一、并查集原理
并查集(Disjoint Set)是一种用来管理元素分组和查找元素所属组别的数据结构。它主要支持两种操作:查找(Find)和合并(Union)。
在并查集中,每个元素都被分配一个代表元素(也可以称为根节点),该代表元素用来表示所属的组别。初始时,每个元素都是其自身的代表元素,即根节点。当需要进行合并操作时,实际上是将两个组别的根节点连接在一起,从而将这两个组别合并为一个组别。而查找操作则是通过不断向上查找代表元素,直到找到根节点为止,以确定元素所属的组别。
在一些应用问题中,需要将n个不同的元素划分成一些不相交的集合。开始时,每个元素自成一个单元素集合,然后按一定的规律将归于同一组元素的集合合并。在此过程中要反复用到查询某一个元素归属于那个集合的运算。
此时将这三个集合用一个数组表示:
从上图可以看出:编号6,7,8同学属于0号小分队,该小分队中有4人(包含队长0);编号为4和9的同学属于1号小分队,该小分队有3人(包含队长1),编号为3和5的同学属于2号小分队,该小分队有3个人(包含队长1)。
- 数组的下标对应集合中元素的编号
- 数组中如果为负数,负号代表根,数字代表该集合中元素个数
- 数组中如果为非负数,代表该元素双亲在数组中的下标
一段时间后,假设s1小分队的8号元素和s2小分队的1号元素玩到了一起,两个小圈子相互介绍认识,最后成为了一个小圈子,这就是合并。
二、并查集实现
- 1. 查找元素属于哪个集合
- 沿着数组表示树形关系以上一直找到根(即:树中中元素为负数的位置)
- 2. 查看两个元素是否属于同一个集合
- 沿着数组表示的树形关系往上一直找到树的根,如果根相同表明在同一个集合,否则不在
- 3. 将两个集合归并成一个集合
- 将两个集合中的元素合并
- 将一个集合名称改成另一个集合的名称
- 4. 集合的个数
- 遍历数组,数组中元素为负数的个数即为集合的个数。
到此可以看到,并查集并不复杂。综上,就能够自己实现一个并查集:
import java.util.Arrays;public class UnionFindSet {public int[] elem;public UnionFindSet(int n) {this.elem = new int[n];Arrays.fill(elem, -1);}/*** 找x下标对应的根** @param x 下标* @return x根的下标*/public int findRoot(int x) {if (x < 0) {throw new IndexOutOfBoundsException("下标不合法");}while (elem[x] >= 0) {x = elem[x];}return x;}/*** 合并两个集合 x1和x2必须从根合并** @param x1 把x2作为自己的子集* @param x2 成为x1的子集*/public void union(int x1, int x2) {//x1和x2到自己集合的根位置x1 = findRoot(x1);x2 = findRoot(x2);if (x1 == x2) return; //相同根,不需要合并elem[x1] = elem[x1] + elem[x2];elem[x2] = x1;}/*** 判断两个下标对应的数字是否在一个集合中 -> 是否同根*/public boolean isSameSet(int x1, int x2) {x1 = findRoot(x1);x2 = findRoot(x2);return x1 == x2;}/*** 求数组中集合的个数*/public int getCount() {int count = 0;for (int x : elem) {if (x < 0) {count++;}}return count;}
}
UnionFindSet类测试:
import java.util.Arrays;public class Test {public static void main(String[] args) {UnionFindSet ufs = new UnionFindSet(10);ufs.union(0, 6);ufs.union(0, 7);ufs.union(0, 8);ufs.union(1, 4);ufs.union(1, 9);ufs.union(2, 3);ufs.union(2, 5);System.out.println(Arrays.toString(ufs.elem));System.out.println("合并根为0和根为1的集合:");ufs.union(0, 1);System.out.println(Arrays.toString(ufs.elem));System.out.println(ufs.isSameSet(3, 6));System.out.println(ufs.isSameSet(4, 8));System.out.println(ufs.getCount());}
}
测试结果正确:
三、并查集应用
1. LeetCode并查集相关OJ题
题目一:LeetCdoe 547. 省份数量https://leetcode.cn/problems/number-of-provinces/description/
有 n
个城市,其中一些彼此相连,另一些没有相连。如果城市 a
与城市 b
直接相连,且城市 b
与城市 c
直接相连,那么城市 a
与城市 c
间接相连。
省份 是一组直接或间接相连的城市,组内不含其他没有相连的城市。
给你一个 n x n
的矩阵 isConnected
,其中 isConnected[i][j] = 1
表示第 i
个城市和第 j
个城市直接相连,而 isConnected[i][j] = 0
表示二者不直接相连。
返回矩阵中 省份 的数量。
思路:前面我们已经自己实现了一个并查集,这里就可以用上。题目说到:
isConnected[i][j] = 1
表示第i
个城市和第j
个城市直接相连,而isConnected[i][j] = 0
表示二者不直接相连。对于矩阵中值为1的元素,将他们所对应城市相连,进行合并(i ==j时就是自己和自己相连,不需要合并),最后看并查集中负数的个数,即为省份数量。
class Solution {public int findCircleNum(int[][] isConnected) {int n = isConnected.length;UnionFindSet ufs = new UnionFindSet(n);//遍历数组,合并for(int i = 0; i < n; i++) {for(int j = 0; j < isConnected[i].length; j++) {if(i != j && isConnected[i][j] == 1) {ufs.union(i, j);}}}return ufs.getCount();}
}
前面自己实现的并查集类也要放到代码框中,官方题解中同样有并查集的解法。
题目2:LeetCode 990. 等式方程的可满足性https://leetcode.cn/problems/satisfiability-of-equality-equations/
给定一个由表示变量之间关系的字符串方程组成的数组,每个字符串方程 equations[i]
的长度为 4
,并采用两种不同的形式之一:"a==b"
或 "a!=b"
。在这里,a 和 b 是小写字母(不一定不同),表示单字母变量名。
只有当可以将整数分配给变量名,以便满足所有给定的方程时才返回 true
,否则返回 false
。
思路:将每个变量看出一个节点,==关系看作两者的连接,即将两者合并成一个集合(题目的提示:出现的字母都为小写字母,因此集合的长度给26就够了)。我们先遍历一次数组,将所有==关系的变量合并;再遍历数组,看每个 != 关系的两个变量是否在同一个集合中,如果在同一个集合,说明与方程冲突,即为false。若都无冲突,即为true。
class Solution {public boolean equationsPossible(String[] equations) {//1.合并所有==的情况int n = equations.length;UnionFindSet ufs = new UnionFindSet(26);//所有小写字母for(int i = 0; i < n; i++) {if(equations[i].charAt(1) == '=') {//合并ufs.union(equations[i].charAt(0) - 'a',equations[i].charAt(3) - 'a');}}//2.判断!=的情况是否正确for(int i = 0; i < n; i++) {//如果==,说明不满足方程if(equations[i].charAt(1) == '!' && ufs.isSameSet(equations[i].charAt(0) - 'a',equations[i].charAt(3) - 'a')) {return false;}}return true;}
}
同样,前面自己实现的并查集类也要放到代码框中,官方题解中也是并查集的解法。
2. 并查集的其他应用及总结
并查集还有一些其他的应用:
-
连通性问题:并查集常被用来判断图中节点之间的连通性。通过并查集可以快速判断两个节点是否在同一个连通分量中,从而进行相关操作,比如最小生成树算法中的 Kruskal 算法。
-
图论中的环检测:在无向图中,可以利用并查集来检测是否存在环路。每次加入一条边时,如果边的两个端点已经在同一个连通分量中,则说明存在环路。
-
最近公共祖先(LCA)问题:在树形结构中,通过并查集可以快速计算两个节点的最近公共祖先。
-
社交网络中的关系处理:在社交网络中,可以利用并查集维护用户之间的关系,快速合并用户的关系圈子或者查找两个用户之间的关系。
总结:并查集在算法和数据结构领域有着广泛的应用,其时间复杂度通常为接近常数级别,使其成为许多算法和数据结构中重要的一部分。虽然并查集很优秀,但相对来说并查集面试的频率不是特别高,可以说不是一个面试热点。虽然如此,并查集的思想还是很实用的,是一个很有意思的数据结构,通常一旦想到用并查集解决问题,思路也会变得很清晰,所以建议还是好好学习一下。