Union-Find
问题描述：
给定一个n个序列的对象，有两种操作：
-Union command：连接两个对象；
-Find/connected query：两个对象是否连接（有路径）
算法实现方式
1.用一个数组保存着每个对象所在的connected component，这种方式可以快速进行FIND，但是在union操作时需要遍历整个对象数组
2.利用树的观点，在数组中保存每个对象节点的parent，这个每个connected component就是一棵树，这种方式union很高效，只需要更新相应节点的parent即可，但是在find的时候可能就会遍历整个树，特别是当一棵树比较高的时候。
3.在上述2中实现union(p,q)的时候，我们用一种特定的方式将p所在的树的置为q所在树的孩子，没有考虑到树的大小，就会导致严重失衡的情况。Weighted quick-union 引入一个新的数组来保存每棵树的尺寸，总是将小树链入到大树下，实现相对的平衡。
4.利用path compression进一步对上述算法进行优化，在每一次root操作的时候，不单单只是追溯查询一个节点的根，而是动态的将其根节点往上推进。从而使得 component tree 越来越平坦化。 如下要查询节点6的根节点，在查询的最后会更新6直接指向根节点。
.png)
接下来会把3,1分别指针指向root
具体代码
--------1
//这种方式可以快速判断是否相连，但是union操作需要遍历整个对象数组
public class QuickFindUF
{
// 这个数组保存着这个N个节点的所在分组
private int[] id ;
public QuickFindUF( int n)
{
id = new int [n];
for (int i =
0; i < n; i ++) {
id[ i]
= i ;
}
}
public boolean find(int p, int q)
{
return id [p]
== id [q];
}
// 连接p，q节点的时候，要将p所在component中的所有节点的id更新
public void union(int p, int q)
{
int pid
= id [p];
int qid
= id [q];
for (int i
= 0; i < id.length;
i++) {
if (id [i]
== pid)
id[i]
= qid;
}
}
}
-----------2
//这种方式可以快速实现俩个
public class QuickUnionUF
{
// 这个数组保存着该对象的parent
private int[] id ;
public QuickUnionUF( int n)
{
id = new int [n];
for (int i
= 0; i < n; i++) {
id[i]
= i;
}
}
// 辅助函数，追溯节点的n的根
private int root(int n)
{
while (n
!= id [n])
n = id[n];
return n;
}
public boolean find(int p, int q)
{
return root(p)
== root(q);
}
// 连接p，q节点的时候，要将p的parent的parent更新为q的parent
public void union(int p, int q)
{
int parentp
= id [p];
int parentq
= id [q];
id[parentp]
= parentq;
}
}
---------------3
public class WeightedQuickUnionUF
{
private int[] id ; //
id[i] = parent of i
private int[] sz ; // sz[i]
= number of objs in subtree rooted at i
private int count ; // num of
components
public WeightedQuickUnionUF( int N)
{
count =
N;
id = new int [N];
sz = new int [N];
for (int i
= 0; i < N; i++) {
id[i]
= i;
sz[i]
= 1;
}
}
public int count()
{
return count ;
}
// 得到包含这个对象的component的ID，也就是根节点
public int root(int p)
{
while (p
!= id [p])
p = id[p];
return p;
}
public boolean connected(int p, int q)
{
return root(p)
== root(q);
}
// 合并包含p,q的两个components，会考虑树的大小
public void union(int p, int q)
{
int rootP
= root(p);
int rootQ
= root(q);
if (rootP
== rootQ)
return;
if (sz [rootP]
< sz[rootQ]) {
id[rootP]
= rootQ;
sz[rootQ]
+= sz[rootP];
} else {
id[rootQ]
= rootP;
sz[rootP]
+= sz[rootQ];
}
}
}
----------------4
public class WeightedQuickUnionWitchPathCompression
{
private int[] id ; //
id[i] = parent of i
private int[] sz ; // sz[i]
= number of objs in subtree rooted at i
private int count ; // num of
components
public WeightedQuickUnionWitchPathCompression( int N)
{
count =
N;
id = new int [N];
sz = new int [N];
for (int i
= 0; i < N; i++) {
id[i]
= i;
sz[i]
= 1;
}
}
public int count()
{
return count ;
}
// path compression实现在这里。
public int root(int p)
{
int root
= p;
while (root
!= id [root])
root = id[root];
// 会将p以上的节点全部指向root
while (p
!= root) {
int newp
= id [p];
id[p]
= root;
p = newp;
}
return root;
}
public boolean connected(int p, int q)
{
return root(p)
== root(q);
}
// 合并包含p,q的两个components，会考虑树的大小
public void union(int p, int q)
{
int rootP =
root(p);
int rootQ
= root(q);
if (rootP ==
rootQ)
return;
if (sz [rootP ]
< sz [rootQ]) {
id[ rootP]
= rootQ;
sz[rootQ]
+= sz[ rootP];
} else {
id[rootQ]
= rootP;
sz[ rootP]
+= sz[rootQ];
}
}
}
备注：参考普林斯顿大学《算法，part I》
Union-Find 算法实现