一.并查集及其优化
- 并查集：由若干不相交集合组成，是一种简单但是很好用的数据结构，拥有优越的时空复杂性，一般用于处理一些不相交集合的查询和合并问题。
- 三种操作：
1.Make_Set(x) 初始化操作，初始化的时候，每个结点各自为一个集合，这个时候father[i]=i,即此时这个结点就是这个集合的根结点，也就是它本身。
2.Find_Set(x) 查找操作，其具体功能就是找到x这个元素所在集合的根结点。可以用来判断两个结点是否在同一个集合，如果根结点不同自然就不再同一个集合中。
3.Union(x,y) 合并操作，将连个元素合并到同一个集合当中，在合并之前，一般利用Find_Set()来判断是否在同一个集合当中。
如图为合并操作：
-
并查集的优化方法（改进时间的启发式策略）
-
1 路径压缩（Path Compression）是一种在每次使用“ 查找”（Find_Set）时压扁树结构的方法。在查找过程中将查找路径上所有结点都指向根结点，把所有访问过的结点直接链接到根，这样可以减少将来的查找时间。可以想象，如果树比较极端，退化成一条链了，那么在最坏的时候每次查询都达到了O(n),而路径压缩就可以提高效率。
而且，路径压缩并不改变任何节点的秩，但是会改变子树的高度.具体如下图所示:
- 2 按秩合并(Union by rank)其思想是把包含较少节点的树的根指向包含较多节点的树的根，将较短的树连接到较高的树的根部，这样可以降低树的高度。
这里需要使用一个Rank来记录秩的变化，每一个结点都有对应的一个Rank,,最初的集合中只有一个根结点，以及一个为0的Rank(秩)。在这里秩只是表示结点高度的一个上界。秩用来代替了高度或者深度，这是因为路径压缩会改变树的高度，所以不记录子树的高度的准确值，而是采用上界这样一个估计值来表示。
具体如下图所示:
-
-
代码实现：
#define MAX 5000
int n, m, Father[MAX], Rank[MAX];
void Make_Set(int x)
{
Father[x] = x;
Rank[x] = 0;
}
int Find_Set(int x)
{ //递归写法，数据量比较少的时候可以写
return Father[x] == x ? x : Father[x] = Find_Set(Father[x]);
}
int Find_Set(int x)
{
//递归写法，数据极端容易RE，可能栈溢出。默认堆栈的大小为8192KB.
if (x != Father[x])
Father[x] = Find_Set(Father[x]);
return Father[x];
}
int Find_Set(int x) //非递归写法,适合数据量比较大的时候
{
int p = x, temp;
while (Father[p] != p) p = Father[p];
while (x != p)
{
temp = Father[x];
Father[x] = p;
x = temp;
}
return x;
}
void Union(int x, int y) //按秩合并
{
x = Find_Set(x);
y = Find_Set(y);
if (x == y) return;
if (Rank[x] > Rank[y]) /*如果x的Rank比较高，就把x作为y的父节点*/
{
father[y] = x;
Rank[x] += Rank[y];
}
else
{
father[x] = y;
if (Rank[x] == Rank[y])
{
Rank[y]++;
}
}
}- 时间复杂度的考虑
有几种情况，即是否使用路径压缩(Path Compression)和按秩合并(Union by rank)的四种情况，如果不使用优化手段，树可以无限制的增长，这样查找和合并的时间就是O(n).
只是使用路径压缩(Path Compression)的话，最坏的时间就是
只是使用按秩合并(Union by rank)的话，时间可以达到O(mlog n),其中n为结点数目。
当同时使用的时候。可以确保每个操作分摊下来的时间是O(α(n))，这是最优的，
这个α(n)是 inverse Ackermann function(逆阿克曼函数),当我们现在宇宙中的任何n值，可以得知α(n)<5，所以并查集运算基本恒定。
详细参考：维基百科
二.并查集基本应用
从题目开始：HDU1232 畅通工程 - 题目分析：建设最少的道路，使得所有城镇都相互交通，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。
- 换句话说，这里就是在求有几个不相交的集合数，更准确就是求这个无向图的连通分量个数
AC代码如下：
#include下面是使用了按秩合并的写法:
#include三.带权并查集
- 带权并查集，是指结点存有权值信息的并查集。并查集以森林的形式存在， 而结点的权值大多是记录该结点与祖先关系的信息。
比如权值可以记录该结点到根结点的距离，也可以是相对于根节点的状态。
1.食物链（POJ1182）这道题是十分经典的关于带权并查集的题目，就是维护当前结点和根结点关系。
- 题目分析：有三种动物，存在互相吃与被吃的关系，A吃B， B吃C，C吃A。现在给定K句话，这些话中有真有假，现在需要判断其中假话的个数。
- 一种思路，通过并查集来将所有同时出现的情况都合并到一起，如果1能吃掉2，那么只有三种情况：
- 1是A，2是B
- 1是B，2是C
-
1是C，2是A
然后把 1是A 和 2是B 的情况合并到一起，同理对于剩下两种情况 ，这样处理之后，如果之后又加入了一句话发现 2是B 和 2是A的情况在一个集合中，那么就一定判断这句话是假的了。 -
之后发现有更好的方法：这里的难点就在于不知道具体是什么动物。
虽然不知道每个数字对应的动物，但是可以知道动物之间的关系。那么就可以把已知关系的点合并在一棵树上，然后记录每个点与根结点的关系。这里采用的规则如下：
如果一个点和根结点的相同那么关系记为 0，
如果一个点可以吃掉根结点那么关系记为 1，
如果一个点可以被根结点吃掉那么关系记为 2。
我们只要一直维护每个点与根结点的关系，这样我们就可以判断某一个描述是否与之前的描述冲突了。
具体而言，在判断X,Y的关系的时候，找出X,Y的根结点A,B
如果A!=B,则X,Y还没有建立联系，此时关于这两个元素的判断都可以认为是对的。之后需要合并这两个子树，具体关系如下图所示这里的式子
要满足(reltion[x] + t) % 3 = (d + relation[y]) % 3，所以 t = (d + relation[y] - relation[x] + 3) % 3，满足这一个条件，既可以判断这句话正确性。
如果A==B,说明存在关系，这个时候需要判断是否正确，通过求和取模的关系，这个是通过找规律得来， 需要写出一些情况来合理推断。 -
AC代码
#include
#include 2.再比如这道题:POJ1703 Find them, Catch them
- 题目分析：有两个帮派，给若干条信息，根据所给信息来判断所询问的两个人是否是同一个帮派。信息包括D [a] [b]， 其中[a]和[b]是两个罪犯的标号，他们属于不同的帮派。 A[a][b],这是询问是否ab在同一个集合。
- 思路：这里明显可以使用并查集，但是给的信息是不同集合的，而并查集是保存同一个集合，所以单纯的并查集是不行了，故增加一个flag,来标记当前结点和根结点的关系，用一个并查集来维护所有的结点。在这里，我使用的规则是：如果当前结点和根结点是一个集合则标记为0，否则为1。
这样只要一直维护每个点与根结点的关系，就可以判断某一个询问的两个人是否在同一个帮派。 - 注意：这里有一个特例，就是一共只有两个人的时候，他们是在不同帮派的。
- 关系转移为在Find_Set()的时候和上一层父亲节点的flag相加，需要查找规律得出。
- AC代码如下：
#include3.POJ2492 A Bug’s Life
- 题目分析：假设所有bug只能异性之间交配，出现同性则错误
- 思路：同样使用带权并查集，用flag表示当前结点和根结点的相对关系，两个虫子如果是异性，则一个为0，一个为1，用第一个关系为依据，后面的虫子逐渐更新和根结点的关系，如果发现某两个虫子的flag相同，则为错误信息。
- 合并x,y的关系式为：
flag[b] = (flag[x] - flag[y] + 1) % 2，
flag[b] = (flag[x] - flag[y] + 1) % 2,
其中，a是x的根结点，b是y的根结点。 - AC代码如下：
#include当然还有其他的应用，比如LCA(最近公共祖先问题，以及实现Kruskar算法求最小生成树，还在学习ing.
参考文章来源：http://www.ahathinking.com/archives/10.html