其它高阶数据结构①_并查集（概念+代码+两道OJ）

embedded/2024/10/18 23:49:02/

目录

1. 并查集的概念

2. 并查集的实现

3. 并查集的应用

3.1 力扣LCR 116. 省份数量

解析代码1

解析代码2

3.2 力扣990. 等式方程的可满足性

解析代码

本篇完。

写在前面：

        此高阶数据结构系列，虽然放在⑤数据结构与算法专栏，但还是作为一个拓展学习，建议跳过第⑤序号跟着其它专栏序号学，当时是想着要期末考和考研的同学，考到图才开这个专栏的吧，其他不急的同学可以在学完MySQL专栏后再看，此系列也放在了⑩其它高阶数据结构专栏，这里简单学习并查集是为了下一个数据结构“图”的学习。

1. 并查集的概念

  • 并查集是一种树型的数据结构，用于处理一些不相交集合的合并及查询问题。
  • 并查集通常用森林来表示，森林中的每棵树表示一个集合，树中的结点对应一个元素。

        虽然利用其它数据结构也能完成不相交集合的合并及查询，但在数据量极大的情况下，其耗费的时间和空间也是极大的。

        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。适合于描述这类问题的抽象数据类型称为并查集(union-find set)。

        并查集是多个独立集合的合集，用于表示数据之间的关系，并查集中的每一个集合是用多叉树来表示的。

        比如：某公司今年校招全国总共招生10人，西安招4人，成都招3人，武汉招3人，10个人来自不 同的学校，起先互不相识，每个学生都是一个独立的小团体，现给这些学生进行编号：{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}; 给以下数组用来存储该小集体，数组中的数字代表：该小集体中具有成员的个 数。数组中某个位置的值为负数，表示该位置是树的根，这个负数的绝对值表示的这棵树（集合）中数据的个数，因为刚开始每个人各自属于一个集合，所以将数组中的位置都初始化为-1。

        毕业后，学生们要去公司上班，每个地方的学生自发组织成小分队一起上路，于是：西安学生小分队s1={0,6,7,8}，成都学生小分队s2={1,4,9}，武汉学生小分队s3={2,3,5}就相互认识了，10个人形成了三个小团体。假设右三个群主0,1,2担任队长，负责大家的出行。

一趟火车之旅后，每个小分队成员就互相熟悉，称为了一个朋友圈。

        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)。 仔细观察数组中内变化，可以得出以下结论：

  1. 数组的下标对应集合中元素的编号。
  2. 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。
  3. 数组中如果为非负数，代表该元素双亲在数组中的下标。

        在公司工作一段时间后，西安小分队中8号同学与成都小分队1号同学奇迹般的走到了一起，两个小圈子的学生相互介绍，最后成为了一个小圈子：

        现在0集合有7个人，2集合有3个人，总共两个朋友圈。通过以上例子可知，并查集一般可以解决一下问题：

  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。

2. 并查集的实现

代码实现还是很简单的，直接放出代码：（建议复制到自己编译器跟着注释一起看）

#pragma once#include <iostream>
#include <vector>
using namespace std;class UnionFindSet
{
private:vector<int> _ufs;public:UnionFindSet(size_t size) // 初始时，将数组中元素全部设置为1: _ufs(size, -1){}int FindRoot(int index) // 给一个元素的编号，找到该元素所在集合的名称{int root = index;while (_ufs[root] >= 0)   // 如果数组中存储的是负数，找到，否则一直继续{root = _ufs[root];}while (_ufs[index] >= 0) // 路径压缩{int parent = _ufs[index];_ufs[index] = root;index = parent;}return index;}bool InSet(int x1, int x2){return FindRoot(x1) == FindRoot(x2);}bool Union(int x1, int x2) // 合并两个集合{int root1 = FindRoot(x1);int root2 = FindRoot(x2);if (root1 == root2) // x1已经与x2在同一个集合return false;if (abs(_ufs[root1]) < abs(_ufs[root2])) // 控制数据量小的往大的集合合并swap(root1, root2);_ufs[root1] += _ufs[root2]; // 负号代表根，数字代表该集合中元素个数_ufs[root2] = root1; // 将其中一个集合名称改变成另外一个return true;}size_t Count() const  // 数组中负数的个数，即为集合的个数{size_t count = 0;for (auto e : _ufs){if (e < 0)++count;}return count;}
};void TestUFS()
{UnionFindSet u(10);u.Union(0, 6);u.Union(7, 6);u.Union(7, 8);u.Union(1, 4);u.Union(4, 9);u.Union(2, 3);u.Union(2, 5);u.FindRoot(6);u.FindRoot(9);cout << u.Count() << endl;
}

3. 并查集的应用

直接复制上面并查集的代码到力扣写两道题：

3.1 力扣LCR 116. 省份数量

LCR 116. 省份数量

难度 中等

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。

示例 1：

输入：isConnected = [[1,1,0],[1,1,0],[0,0,1]]
输出：2

示例 2：

输入：isConnected = [[1,0,0],[0,1,0],[0,0,1]]
输出：3

提示：

  • 1 <= n <= 200
  • n == isConnected.length
  • n == isConnected[i].length
  • isConnected[i][j] 为 1 或 0
  • isConnected[i][i] == 1
  • isConnected[i][j] == isConnected[j][i]

注意：本题与主站 547 题相同： 547. 省份数量

class Solution {
public:int findCircleNum(vector<vector<int>>& isConnected) {}
};

解析代码1

直接复制并查集过来：

class UnionFindSet
{
private:vector<int> _ufs;public:UnionFindSet(size_t size) // 初始时，将数组中元素全部设置为1: _ufs(size, -1){}int FindRoot(int index) // 给一个元素的编号，找到该元素所在集合的名称{int root = index;while (_ufs[root] >= 0)   // 如果数组中存储的是负数，找到，否则一直继续{root = _ufs[root];}while (_ufs[index] >= 0) // 路径压缩{int parent = _ufs[index];_ufs[index] = root;index = parent;}return index;}bool InSet(int x1, int x2){return FindRoot(x1) == FindRoot(x2);}bool Union(int x1, int x2) // 合并两个集合{int root1 = FindRoot(x1);int root2 = FindRoot(x2);if (root1 == root2) // x1已经与x2在同一个集合return false;if (abs(_ufs[root1]) < abs(_ufs[root2])) // 控制数据量小的往大的集合合并swap(root1, root2);_ufs[root1] += _ufs[root2]; // 负号代表根，数字代表该集合中元素个数_ufs[root2] = root1; // 将其中一个集合名称改变成另外一个return true;}size_t Count() const  // 数组中负数的个数，即为集合的个数{size_t count = 0;for (auto e : _ufs){if (e < 0)++count;}return count;}
};class Solution {
public:int findCircleNum(vector<vector<int>>& isConnected) {UnionFindSet ufs(isConnected.size());for (size_t i = 0; i < isConnected.size(); ++i){for (size_t j = 0; j < isConnected[i].size(); ++j){if (isConnected[i][j] == 1) // 合并集合{ufs.Union(i, j);}}}return ufs.Count();}
};

解析代码2

用数组模拟并查集：

class Solution {
public:int findCircleNum(vector<vector<int>>& isConnected) {vector<int> ufs(isConnected.size(), -1); // 手动控制并查集auto findRoot = [&ufs](int x) // 查找根{while(ufs[x] >= 0)x = ufs[x];return x;};for(size_t i = 0; i < isConnected.size(); ++i){for(size_t j = 0; j < isConnected[i].size(); ++j){if(isConnected[i][j] == 1) // 合并集合{int root1 = findRoot(i);int root2 = findRoot(j);if (root1 != root2){ufs[root1] += ufs[root2];ufs[root2] = root1;}}}}int cnt = 0;for(auto e : ufs){if(e < 0)++cnt;}return cnt;}
};

3.2 力扣990. 等式方程的可满足性

990. 等式方程的可满足性

难度 中等

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。 

示例 1：

输入：["a==b","b!=a"]
输出：false
解释：如果我们指定，a = 1 且 b = 1，那么可以满足第一个方程，但无法满足第二个方程。没有办法分配变量同时满足这两个方程。

示例 2：

输入：["b==a","a==b"]
输出：true
解释：我们可以指定 a = 1 且 b = 1 以满足满足这两个方程。

示例 3：

输入：["a==b","b==c","a==c"]
输出：true

示例 4：

输入：["a==b","b!=c","c==a"]
输出：false

示例 5：

输入：["c==c","b==d","x!=z"]
输出：true

提示：

  1. 1 <= equations.length <= 500
  2. equations[i].length == 4
  3. equations[i][0] 和 equations[i][3] 是小写字母
  4. equations[i][1] 要么是 '='，要么是 '!'
  5. equations[i][2] 是 '='
class Solution {
public:bool equationsPossible(vector<string>& equations) {}
};

解析代码

并查集的变形，思路：

  1. 将所有"=="两端的字符合并到一个集合中。
  2. 检测"!=" 两端的字符是否在同一个集合中，如果在，不满足，如果不在，满足。
class Solution {
public:bool equationsPossible(vector<string>& equations) {vector<int> ufs(26, -1);auto findRoot = [&ufs](int x){while(ufs[x] >= 0)x = ufs[x];return x;};for(auto& e : equations) // 第一遍，先把相等的值加到一个集合中{if(e[1] == '='){int root1 = findRoot(e[0] - 'a');int root2 = findRoot(e[3] - 'a');if(root1 != root2){ufs[root1] += ufs[root2];ufs[root2] = root1;}}}for(auto& e : equations) // 第二遍，判断相等在不在一个集合，在就相悖了{if(e[1] == '!'){int root1 = findRoot(e[0] - 'a');int root2 = findRoot(e[3] - 'a');if(root1 == root2)return false;}}return true;}
};

本篇完。

这里简单学习并查集更多是为了下一个数据结构“图”的学习，一些竞赛的OJ也会用到并查集。


http://www.ppmy.cn/embedded/41255.html

相关文章

怎样计算Excel一列数值中十位数为5的个数？

怎样计算Excel一列数值中十位数为5的个数？

有一列数字&#xff0c;可能正数也可能是负数&#xff0c;有可能有小数&#xff0c;要怎么计算这列数字中十位数为5的数量有多少个&#xff1f; 一、按示例情况&#xff0c;数字均为整数 公式如下&#xff1a; SUM(--(MID(A1:A6,LEN(A1:A6)-1,1)"5")) 数组公式&a…
阅读更多...
过滤器Filter和拦截器Interceptor实现登录校验

过滤器Filter和拦截器Interceptor实现登录校验

一.过滤器 Filter过滤器可以把对资源的请求拦截下来&#xff0c;从而实现一些登录验证的功能 1.Filter的快速入门 1.定义Filter:定义一个类&#xff0c;实现Filter接口&#xff0c;并重写其所有方法。2.配置 public class dofilter implements Filter {Override //初始化只…
阅读更多...
SrpingBootSpringCloud导入spring-boot-starter-amqp依赖失败

SrpingBootSpringCloud导入spring-boot-starter-amqp依赖失败

原因&#xff1a;用的仓库里的依赖不完整 解决方法&#xff1a;改成中央仓库 在pom.xml的< project >标签下加入如下代码 <repositories><repository><id>central</id><url>https://repo1.maven.org/maven2</url><layout>defa…
阅读更多...
【栈】Leetcode 字符串解码

【栈】Leetcode 字符串解码

题目讲解 394. 字符串解码 算法讲解 这道题有四种情况&#xff1a;1.遍历的时候遇到数字&#xff0c;我们计算并保存数字&#xff0c;将它加入到数字栈中&#xff1b;2.遍历的时候遇到[&#xff0c;我们就把字符保存&#xff0c;加入到字符栈中&#xff1b;3.当遇到]&#x…
阅读更多...
唤醒手腕 Go 语言 并发编程、Channel通道、Context 详细教程（更新中）

唤醒手腕 Go 语言 并发编程、Channel通道、Context 详细教程（更新中）

并发编程概述 ​ 一个进程可以包含多个线程&#xff0c;这些线程运行的一定是同一个程序&#xff08;进程程序&#xff09;&#xff0c;且都由当前进程中已经存在的线程通过系统调用的方式创建出来。进程是资源分配的基本单位&#xff0c;线程是调度运行的基本单位&#xff0c…
阅读更多...
MySQL中的事务隔离级别

MySQL中的事务隔离级别

事务隔离级别 未提交读(Read uncommitted)是最低的隔离级别。通过名字我们就可以知道&#xff0c;在这种事务隔离级别下&#xff0c;一个事务可以读到另外一个事务未提交的数据。这种隔离级别下会存在幻读、不可重复读和脏读的问题。提交读(Read committed)也可以翻译成读已提交…
阅读更多...
【Kibana】快速上手Kibana平台（KQL）

【Kibana】快速上手Kibana平台（KQL）

文章目录 快速使用Kibana平台常用查询语句KQL基本查询覆合查询模糊查询 目前市面上大部分的公司的日志系统都是使用ELK系统&#xff0c;因此我们进行工作必须得掌握Kibana平台的基本使用&#xff0c;这里主要说明怎么“快速使用Kibana平台”以及记录一些常用的“KQL语言”。 快…
阅读更多...
【管理咨询宝藏93】大型制造集团数字化转型设计方案

【管理咨询宝藏93】大型制造集团数字化转型设计方案

【管理咨询宝藏93】大型制造集团数字化转型设计方案 【格式】PDF版本 【关键词】国际咨询公司、制造型企业转型、数字化转型 【核心观点】 - 235页大型制造型集团数字化转型方案设计&#xff01;细节非常详尽&#xff0c;图表丰富&#xff01; - 系统架构必须采用成熟、具有国…
阅读更多...
最新文章

Copyright @ 2022~2023