并查集 ¶

前置知识 ¶

一个关系 R 定义在集合 S 上 , 表示为对于每一对 \((a,b),a,b\in S\), \(aRb\) 要么为真要么为假 . 如果 \(aRb\) 为真，那么我们称 \(a\) 和 \(b\) 有关系。

等价关系是满足自反性 (\(\forall a\in S, aRa\))，对称性 (\(aRb\Leftrightarrow bRa\))，传递性 (\(aRb, bRc \Rightarrow aRc\)) 的关系，一般用 ~ 表示等价关系。

S 中的两个元素 \(x\) \(y\) 在同一个等价类中当且仅当 \(a\) ~ \(b\)

动态等价性问题 ¶

• 集合的元素 : \(1,2,3\ldots,N\)
• 集合 : \(S_1,S_2,\ldots\) 且 \(S_i\cap S_j=\emptyset\) ( 若 \(i\neq j\)), 即集合之间不相交
• 操作 :
  • Find(i) 返回给定元素的所在的集合（等价类）
  • Union(i,j) 求并运算，将含有 a 和 b 的两个等价类合并为一个等价类

基本数据结构 ¶

我们用树来表示每一个集合，树的根命名这个集合（代表元），树的集合构成了一个森林。
初始时，每棵树都只有一个元素。当需要执行 Union 操作时，我们将一个节点的根指针指向另一棵树的根节点。当需要执行 Find 操作时，我们只需要从元素 X 一直向上直到根为止。

void SetUnion ( DisjSet S, SetType Rt1, SetType Rt2 )
{    
    S [ Rt2 ] = Rt1 ;     
}
SetType Find ( ElementType X, DisjSet S )
{   
    for ( ; S[X] > 0; X = S[X] );
    return  X ;
}

实际运用中，Union 和 Find 操作通常成对出现 :

/* Algorithm using union-find operations */
{  Initialize  Si = { i }  for  i = 1, ..., 12 ;
   for  ( k = 1; k <= 9; k++ )  {  /* for each pair  i  j */
      if  ( Find( i ) != Find( j ) )
          SetUnion( Find( i ), Find( j ) );
   }
}

灵巧求并算法 ¶

• 按大小求并
  即每次合并时，我们改变较小的树 设 \(T\) 是按大小合并的 \(N\) 个节点的树，那么 \(height(T)\leq\lfloor \log_2N\rfloor +1\) (可用归纳法证明)
  因此对于 \(N\) 个 Union 操作 \(M\) 个 Find 操作，所用时间为 \(O(N+M\log_2N)\)
• 按高度求并
  即每次合并时，我们改变较矮的树

路径压缩 ¶

SetType  Find ( ElementType  X, DisjSet  S )
{   ElementType  root,  trail,  lead;
    for ( root = X; S[ root ] > 0; root = S[ root ] )
        ;  /* find the root */
    for ( trail = X; trail != root; trail = lead ) {
       lead = S[ trail ] ;   
       S[ trail ] = root ;   
    }  /* collapsing */
    return  root ;
}

路径压缩的效果是，从 X 到根的路径上每一个节点都使它的父节点变成根。
路径压缩与按大小求并完全兼容，可以同时实现，但不能与按高度求并（有时称为秩）

按秩求并和路径压缩的最坏情形 ¶

令 \(T(M,N)\) 执行 \(M\geq N\) 次 Find 和 \(N-1\) 次 Union 操作的最坏用时。那么 \(k_1M\alpha(M,N)\leq T(M,N)\leq k_2 M\alpha(M,N)\) 对于某个正常数 \(k_1,k_2\).
其中 \(\alpha(M,N)\) 是 Ackermann 函数.

评论