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。常常在使用中以森林来表示。
并查集有三种基本操作,获得根节点,判断两节点是否连通,以及将两不连通的节点相连(相当于将两节点各自的集合合并)
用UnionFind类来表示一个并查集,在构造函数中,初始化一个数组parent,parent[i]表示的含义为,索引为i的节点,它的直接父节点为parent[i]。初始化时各个节点都不相连,因此初始化parent[i]=i,让自己成为自己的父节点,从而实现各节点不互连。
1
2
|
def __init__( self , n):
self .parent = list ( range (n))
|
由于parent[i]仅表示自己的直接父节点,查询两个节点是否相交需要比较它们的根节点是否相同。因此要封装一个查询自己根节点的方法。
1
2
3
4
5
|
def get_root( self , i):
while i ! = self .parent[i]:
i = self .parent[i]
return i
|
接下来可以通过来比较根节点是否相同来判断两节点是否连通。
1
2
|
def is_connected( self , i, j):
return self .get_root(i) = = self .get_root(j)
|
当要连通两个节点时,我们要将其中一个节点的根节点的parent,设置为另一个节点的根节点。注意,连通两个节点并非仅仅让两节点自身相连,实际上是让它们所属的集合实现合并。
1
2
3
4
|
def union( self , i, j):
i_root = self .get_root(i)
j_root = self .get_root(j)
self .parent[i_root] = j_root
|
接下来我们做两个小优化。
由于调用get_root时需要通过不断找自己的直接父节点,来寻找根节点,如果这棵树的层级过深,会导致性能受到严重影响。因此我们需要在union时,尽可能的减小合并后的树的高度。
在构造函数中新建一个数组rank,rank[i]表示节点i所在的集合的树的高度。
因此,当合并树时,分别获得节点i和节点j的root i_root和j_root之后,我们通过访问rank[i_root]和rank[j_root]来比较两棵树的高度,将高度较小的那棵连到高度较高的那棵上。如果高度相等,则可以随便,并将rank值加一。
1
2
3
4
5
6
7
8
9
10
11
|
def union( self , i, j):
i_root = self .get_root(i)
j_root = self .get_root(j)
if self .rank[i_root] = = self .rank[j_root]:
self .parent[i_root] = j_root
self .rank[j_root] + = 1
elif self .rank[i_root] > self .rank[j_root]:
self .parent[j_root] = i_root
else :
self .parent[i_root] = j_root
|
通过对union操作的改良可以防止树的高度过高。我们还可以对get_root操作本身进行优化。
当前每次执行get_root时,需要一层一层的找到自己的父节点,很费时。由于根节点没有父节点,并且文章开始处提到过如果一个节点没有父节点,那么它的父节点就是自己,因此可以说只有根节点的父节点是自己本身。现在我们加上一个判断,判断当前节点的父节点是否为根节点,如果不为根节点,就递归地将自己的父节点设置为根节点,最后返回自己的父节点。
1
2
3
4
|
def get_root( self , i):
if self .parent[i] ! = self .parent[ self .parent[i]]:
self .parent[i] = self .get_root( self .parent[i])
return self .parent[i]
|
以上是python实现一个简单的并查集的方式。希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://segmentfault.com/a/1190000013805875