并查集(不相交集合)
并查集是一种数据结构,能够高效地维护一组不相交集合,通过路径压缩和按秩合并优化,支持接近常数时间复杂度的合并和查找操作。
基础并查集实现
基础并查集结构支持查找(元素属于哪个集合)和合并(合并两个集合)操作。
带路径压缩和按秩合并的并查集
#include <iostream>
#include <vector>
using namespace std;
class UnionFind {
private:
vector<int> parent, rank, size;
int components;
public:
UnionFind(int n) : parent(n), rank(n, 0), size(n, 1), components(n) {
for (int i = 0; i < n; i++) {
parent[i] = i;
}
}
// 带路径压缩的查找
int find(int x) {
if (parent[x] != x) {
parent[x] = find(parent[x]); // 路径压缩
}
return parent[x];
}
// 按秩合并
bool unite(int x, int y) {
int px = find(x), py = find(y);
if (px == py) return false; // 已经在同一集合中
// 按秩合并:将较小的树连接到较大的树下
if (rank[px] < rank[py]) {
parent[px] = py;
size[py] += size[px];
} else if (rank[px] > rank[py]) {
parent[py] = px;
size[px] += size[py];
} else {
parent[py] = px;
size[px] += size[py];
rank[px]++;
}
components--;
return true;
}
// 检查两个元素是否在同一集合中
bool connected(int x, int y) {
return find(x) == find(y);
}
// 获取包含x的集合大小
int getSize(int x) {
return size[find(x)];
}
// 获取连通分量数量
int getComponents() {
return components;
}
};
int main() {
cout << "并查集数据结构测试:" << endl;
UnionFind uf(6);
cout << "初始连通分量: " << uf.getComponents() << endl;
// 连接一些元素
uf.unite(0, 1);
uf.unite(1, 2);
uf.unite(3, 4);
cout << "合并后: " << uf.getComponents() << " 个连通分量" << endl;
// 测试连通性
cout << "0和2连通: " << (uf.connected(0, 2) ? "是" : "否") << endl;
cout << "0和3连通: " << (uf.connected(0, 3) ? "是" : "否") << endl;
// 测试集合大小
cout << "包含0的集合大小: " << uf.getSize(0) << endl;
cout << "包含3的集合大小: " << uf.getSize(3) << endl;
cout << "包含5的集合大小: " << uf.getSize(5) << endl;
return 0;
}带路径压缩和按秩合并的并查集在两种操作上都能达到接近O(1)的摊还时间复杂度。路径压缩在查找时扁平化树结构,按秩合并保持树的平衡。
应用:检测无向图中的环
并查集可以通过检查边的两个顶点是否已经连通来高效检测无向图中的环。
无向图环检测
#include <iostream>
#include <vector>
using namespace std;
class CycleDetector {
private:
UnionFind uf;
public:
CycleDetector(int n) : uf(n) {}
bool hasCycle(vector<pair<int, int>>& edges) {
for (auto& edge : edges) {
int u = edge.first, v = edge.second;
// 如果u和v已经连通,添加这条边会形成环
if (uf.connected(u, v)) {
return true;
}
// 连接u和v
uf.unite(u, v);
}
return false;
}
};
// 应用:Kruskal最小生成树算法
class KruskalMST {
private:
struct Edge {
int u, v, weight;
bool operator<(const Edge& other) const {
return weight < other.weight;
}
};
vector<Edge> edges;
int n;
public:
KruskalMST(int vertices) : n(vertices) {}
void addEdge(int u, int v, int w) {
edges.push_back({u, v, w});
}
pair<int, vector<Edge>> findMST() {
sort(edges.begin(), edges.end()); // 按权重排序
UnionFind uf(n);
vector<Edge> mst;
int totalWeight = 0;
for (const Edge& e : edges) {
if (!uf.connected(e.u, e.v)) { // 不会形成环
uf.unite(e.u, e.v);
mst.push_back(e);
totalWeight += e.weight;
if (mst.size() == n - 1) break;
}
}
return {totalWeight, mst};
}
};
int main() {
// 测试环检测
cout << "环检测测试:" << endl;
CycleDetector detector(4);
vector<pair<int, int>> edges = {{0, 1}, {1, 2}, {2, 3}, {3, 0}};
if (detector.hasCycle(edges)) {
cout << "图有环!" << endl;
} else {
cout << "图无环!" << endl;
}
// 测试Kruskal算法
cout << "\nKruskal最小生成树测试:" << endl;
KruskalMST kruskal(4);
kruskal.addEdge(0, 1, 10);
kruskal.addEdge(0, 2, 6);
kruskal.addEdge(0, 3, 5);
kruskal.addEdge(1, 3, 15);
kruskal.addEdge(2, 3, 4);
auto [weight, mst] = kruskal.findMST();
cout << "MST权重: " << weight << endl;
return 0;
}并查集非常适合环检测和最小生成树算法。对于环检测,如果边的两个顶点已经连通,添加该边就会形成环。