让你一学就会的那些算法知识总结--数据结构 并查集部分

简介: Hello,大家好今天想为大家介绍一种算法学习中数据结构方面的方法,也就是题目中所说的并查集,这部分知识并不太难,思路比较固定,所以相信大家看过之后再碰见类似题目都可以有很好的思路去进行求解,废话不多说,直接进入正题。

       Hello,大家好今天想为大家介绍一种算法学习中数据结构方面的方法,也就是题目中所说的并查集,这部分知识并不太难,思路比较固定,所以相信大家看过之后再碰见类似题目都可以有很好的思路去进行求解,废话不多说,直接进入正题。


并查集: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(即所谓的并、查)。并查集的思想是用一个数组表示了整片森林(parent),树的根节点唯一标识了一个集合,我们只要找到了某个元素的的树根,就能确定它在哪个集合里。


并查集适应场景:


将两个集合合并

询问两个集合是否在一个集合中                                                                                              

基本思想:


       用树的形式去维护每个集合,每个集合的编号为其根节点的编号,树根的编号就是整个集合的编号,对于每一个点都去存储其父节点(p[x]表示x的父节点),我们可以根据去根据其点的树根,去快速的寻找每个元素是属于某个集合。


       a.如何判断一个点是否为树根: if(p[x]) == x )


       b.如何求x的集合编号: while(p[x] != x)         x = p[x]


       c.如何合并两个集合:   将一个树插到另一个树的下面 。


2.png


并查集的两种优化:


路径压缩

按秩合并(用的较少, 可以不进行了解 )


3.png4.png



核心代码:


查询:

int find(int x)         
{
  if(p[x] != x)    p[x] = find(p[x]) ;        
  return p[x];          
}

注:此代码已经进行过路径压缩了 。

合并集合:

void combine(int x, int y)
{
    if( find(x) != find(y) )
    {
        p[find(x)] = find(y);
    }
}

好的,看到这里我们就已经将合并集的基本知识基本掌握了,那接下来就来看一看几道经典题目吧。


一. AcWing 836. 合并集合


(这个题目就是非常基础的并查集题目了,想要学会并查集这道题目就必须要看下了)


题目:


             


一共有 nn 个数,编号是 1∼n1∼n,最开始每个数各自在一个集合中。


现在要进行 mm 个操作,操作共有两种:


M a b,将编号为 aa 和 bb 的两个数所在的集合合并,如果两个数已经在同一个集合中,则忽略这个操作;

Q a b,询问编号为 aa 和 bb 的两个数是否在同一个集合中;

输入格式


第一行输入整数 nn 和 mm。


接下来 mm 行,每行包含一个操作指令,指令为 M a b 或 Q a b 中的一种。


输出格式


对于每个询问指令 Q a b,都要输出一个结果,如果 aa 和 bb 在同一集合内,则输出 Yes,否则输出 No。


每个结果占一行。


数据范围


1≤n,m≤1051≤n,m≤105


输入样例:

4 5
M 1 2
M 3 4
Q 1 2
Q 1 3
Q 3 4


输出样例:

1. Yes
2. No
3. Yes

代码实现:

#include <iostream>
using namespace std ;
int n, m ;
const int N = 100010 ;
int p[N] ;
int find(int x) 
{
  if(p[x] != x )  
  {
    p[x] = find(p[x]) ;
  }
  return p[x] ;
}
int main()
{
  scanf("%d%d", &n, &m) ;
  for(int i=1; i<=n; i++)
  {
    p[i] = i ;
   } 
  while(m--)
  {
    char op[2] ;
    int a, b ;
    scanf("%s%d%d",op , &a, &b) ;
    if(op[0] == 'M')
    {
      p[find(a)] = find(b) ;
    }
    else
    {
      if(find(a) == find(b))  puts("Yes") ;
      else  puts("No") ;
    } 
  }
  return 0 ;
 } 


二. AcWing 837. 连通块中点的数量


题目:


给定一个包含 nn 个点(编号为 1∼n1∼n)的无向图,初始时图中没有边。


现在要进行 mm 个操作,操作共有三种:


C a b,在点 aa 和点 bb 之间连一条边,aa 和 bb 可能相等;

Q1 a b,询问点 aa 和点 bb 是否在同一个连通块中,aa 和 bb 可能相等;

Q2 a,询问点 aa 所在连通块中点的数量;

输入格式


第一行输入整数 nn 和 mm。


接下来 mm 行,每行包含一个操作指令,指令为 C a b,Q1 a b 或 Q2 a 中的一种。


输出格式


对于每个询问指令 Q1 a b,如果 aa 和 bb 在同一个连通块中,则输出 Yes,否则输出 No。


对于每个询问指令 Q2 a,输出一个整数表示点 aa 所在连通块中点的数量


每个结果占一行。


数据范围


1≤n,m≤1051≤n,m≤105


输入样例:

5 5
C 1 2
Q1 1 2
Q2 1
C 2 5
Q2 5


输出样例:

1. Yes
2. 2
3. 3

代码实现:

#include <iostream>
using namespace std ;
const int N = 100010 ;
int n, m ;
int p[N], cnt[N] ;
int find(int x)
{
  if(p[x] != x) p[x] = find(p[x]) ;
  return p[x] ;
}
int main()
{
  cin >> n >> m ;
  for (int i = 1; i <= n; i ++ )
    {
        p[i] = i;
        cnt[i] = 1;  //初始化  在这里cnt是记录每个集合的个数,cnt要在祖先位置记录个数
    }
    while(m--)
  {
  string op;
  int a, b ;
  cin >> op ;
  if(op == "C") 
  {
    cin >> a >> b ;
    a = find(a), b = find(b) ;
    if(a != b)
    {
      p[a] = b ;
      cnt[b] += cnt[a] ;  //集合合并之后,其元素的个数需要相加 
    }
  }
  else if(op == "Q1")
  {
    cin >> a >> b ;
    if(find(a) == find(b))  puts("Yes");
    else    puts("No") ;
  }
  else
  {
    cin >> a ;
    cout << cnt[find(a)] << endl ;
  }
  } 
  return 0 ;
}

好啦,看到这里相信你已经对于并查集部分入门了。当然还有会更难的题目,今天就不在这里进行讲解了,等以后有时间我们将会讲解更有难度的并查集题目。

拜拜,希望我们下次再见。

相关文章
|
2月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
137 4
|
3月前
|
存储 人工智能 算法
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
这篇文章详细介绍了Dijkstra和Floyd算法,这两种算法分别用于解决单源和多源最短路径问题,并且提供了Java语言的实现代码。
101 3
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
|
3月前
|
算法 开发者 计算机视觉
燃爆全场!Python并查集:数据结构界的网红,让你的代码炫酷无比!
在编程的世界里,总有一些数据结构以其独特的魅力和高效的性能脱颖而出,成为众多开发者追捧的“网红”。今天,我们要介绍的这位明星,就是Python中的并查集(Union-Find)——它不仅在解决特定问题上大放异彩,更以其优雅的设计和强大的功能,让你的代码炫酷无比,燃爆全场!
44 0
|
13天前
|
存储 运维 监控
探索局域网电脑监控软件:Python算法与数据结构的巧妙结合
在数字化时代,局域网电脑监控软件成为企业管理和IT运维的重要工具,确保数据安全和网络稳定。本文探讨其背后的关键技术——Python中的算法与数据结构,如字典用于高效存储设备信息,以及数据收集、异常检测和聚合算法提升监控效率。通过Python代码示例,展示了如何实现基本监控功能,帮助读者理解其工作原理并激发技术兴趣。
50 20
|
2月前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
2月前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
112 23
|
2月前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
65 1
|
3月前
|
机器学习/深度学习 存储 缓存
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
文章主要介绍了排序算法的分类、时间复杂度的概念和计算方法,以及常见的时间复杂度级别,并简单提及了空间复杂度。
52 1
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
|
2月前
|
算法 vr&ar 计算机视觉
数据结构之洪水填充算法(DFS)
洪水填充算法是一种基于深度优先搜索(DFS)的图像处理技术,主要用于区域填充和图像分割。通过递归或栈的方式探索图像中的连通区域并进行颜色替换。本文介绍了算法的基本原理、数据结构设计(如链表和栈)、核心代码实现及应用实例,展示了算法在图像编辑等领域的高效性和灵活性。同时,文中也讨论了算法的优缺点,如实现简单但可能存在堆栈溢出的风险等。
60 0
|
3月前
|
存储 算法 Java
Set接口及其主要实现类(如HashSet、TreeSet)如何通过特定数据结构和算法确保元素唯一性
Java Set因其“无重复”特性在集合框架中独树一帜。本文解析了Set接口及其主要实现类(如HashSet、TreeSet)如何通过特定数据结构和算法确保元素唯一性,并提供了最佳实践建议,包括选择合适的Set实现类和正确实现自定义对象的hashCode()与equals()方法。
57 4