算法导论-用于不想交集合的数据结构（并查集）-kruskal最小生成树算法

并查集学习：

• 并查集：(union-find sets)

一种简单的用途广泛的集合. 并查集是若干个不相交集合，能够实现较快的合并和判断元素所在集合的操作，应用很多，如其求无向图的连通分量个数等。最完美的应用当属：实现Kruskar算法求最小生成树。

• 并查集的精髓（即它的三种操作，结合实现代码模板进行理解）：

1、Make_Set(x) 把每一个元素初始化为一个集合

初始化后每一个元素的父亲节点是它本身，每一个元素的祖先节点也是它本身（也可以根据情况而变）。

2、Find_Set(x) 查找一个元素所在的集合

查找一个元素所在的集合，其精髓是找到这个元素所在集合的祖先！这个才是并查集判断和合并的最终依据。
判断两个元素是否属于同一集合，只要看他们所在集合的祖先是否相同即可。
合并两个集合，也是使一个集合的祖先成为另一个集合的祖先，具体见示意图

3、Union(x,y) 合并x,y所在的两个集合

合并两个不相交集合操作很简单：
利用Find_Set找到其中两个集合的祖先，将一个集合的祖先指向另一个集合的祖先。如图

• 并查集的优化

1、Find_Set(x)时 路径压缩
寻找祖先时我们一般采用递归查找，但是当元素很多亦或是整棵树变为一条链时，每次Find_Set(x)都是O(n)的复杂度，有没有办法减小这个复杂度呢？
答案是肯定的，这就是路径压缩，即当我们经过"递推"找到祖先节点后，"回溯"的时候顺便将它的子孙节点都直接指向祖先，这样以后再次Find_Set(x)时复杂度就变成O(1)了，如下图所示；可见，路径压缩方便了以后的查找。

2、Union(x,y)时 按秩合并
即合并的时候将元素少的集合合并到元素多的集合中，这样合并之后树的高度会相对较小。

代码实现并查集：

void makeSet()//初始化集合
{
    for(int i=0;irank[y])
        father[y]=x;
    else if(rank[x]

在Kruskal算法中的具体应用：

#include
#include
#define n 9//图中点的个数
#define max 100
struct edge{
    int u;//起点
    int v;//终点
    int value;//边的权值
}e[max];
int p[max];//用于记录最小生成树的边
int father[n];//father[x]表示x的父节点；
int rank[n];//rank[x]表示x的秩，从x到其某一后代叶节点的最长路径上边的数目，即树的高度
int cmp(const void *a,const void *b)
{
    return ((*(edge*)a).value > (*(edge*)b).value ? 1:-1);
}
/*----------------------并查集的基本操作--------------------------*/
void makeSet()//初始化集合
{
    for(int i=0;irank[y])
        father[y]=x;
    else if(rank[x]

并查集的代码写的很精炼，对我来说一直很难完全明白，需要多看几遍。
感觉并查集这种结构太有用了，一定要掌握！

参考博客：

介绍并查集：http://www.slyar.com/blog/disjoint-set.html

介绍kruskal算法原理及其实现：http://www.cnblogs.com/lpshou/archive/2012/07/02/2573006.html