9.6.1 ACM-ICPC 数据结构 并查集

9.6.1 ACM-ICPC 数据结构：并查集

并查集简介

并查集（Union-Find 或 Disjoint Set Union）是一种用于管理不相交集合的数据结构，主要支持两种操作：合并（Union） 和 查找（Find）。它在解决连通性问题、图论问题（如最小生成树的 Kruskal 算法）以及其他需要动态连通性维护的场景中有着广泛应用。

并查集的核心思想是通过树结构表示集合中的元素，并通过路径压缩和按秩合并等优化手段提升操作效率。本文将介绍并查集的基本概念、操作及优化方法，并结合实际例子进行说明。

并查集的基本操作

1. 查找（Find）：查找元素所属的集合。通过在树结构中查找元素的根节点，我们可以确定该元素所属的集合。
2. 合并（Union）：将两个不同的集合合并为一个集合。该操作将两个树的根节点连接起来，形成一个新的树。

示例

假设有以下几个集合：

• {1}
• {2}
• {3}
• {4}

执行 Union(1, 2) 后，集合变为 {1, 2} 和 {3}, {4}。此时如果查询 Find(1) 或 Find(2)，返回的结果都应该是它们的公共根节点。

并查集的优化策略

在基本的并查集操作中，每次 Find 操作都需要遍历树，直到找到根节点，这在最坏情况下可能会退化为线性时间复杂度。为了提高效率，我们可以采用以下两种优化策略：

1. 路径压缩（Path Compression）： 在执行 Find 操作时，通过将路径上所有节点直接指向根节点，从而大幅减少后续操作的路径长度。路径压缩的作用是在进行查找时“压缩”树的高度，从而加速未来的查找操作。

2. 按秩合并（Union by Rank）： 在执行 Union 操作时，将较小的树合并到较大的树上，从而避免树的高度过大。这里的“秩”可以理解为树的高度或节点数量，通过按秩合并可以有效控制树的高度。

代码示例

以下是使用路径压缩和按秩合并优化的并查集实现：

class UnionFind {
public:
    vector<int> parent, rank;
    
    UnionFind(int n) {
        parent.resize(n);
        rank.resize(n, 0);
        for (int i = 0; i < n; i++) {
            parent[i] = i;