1.背景

《算法》一书中提到了关于算法的一些基本思想

  • 优秀的算法因为能够解决实际的问题而变得更为重要;
  • 高效算法的代码可以很简单;
  • 理解某个实现的性能特点是一项有趣而令人满足的挑战;
  • 在解决同一个问题的多种算法之间进行选择时,科学方法是一项重要工具;
  • 迭代式改进能够让算法效率越来越高;

使用union-find算法解决连通性问题,所谓连通性问题就是在下图网络中可以看到有很多节点,节点与节点之间的连接对称为连通分量,要求编写程序判断网络中有多少组连通分量,随意给出两个节点要求判断这两个节点是否属于同一个分量。在连通图中有如下一些定义,假如一个节点p没有和任何其他节点相连,则此节点属于一个连通分量,如果一个节点p和节点q相连,则p-q为一个连通分量,如果p和q相连,q和r相连,则p-q-r为一个连通分量。

2.算法分析

……

3.算法实现

为了解决此问题,需要先设计一个API来封装所需要的基本操作:初始化,连接两个节点,判断包含某个节点的分量,判断两个节点是否属于同一个分量之中,并且返回所有分量的个数。

public class UF
UF(int N) 整数标示N个节点
void union(int p, int q) 在pq之间添加一条连线,标示连接pq
int find(int p) 节点p所在分量的标示符
Boolean connected(int p, int q) 如果p和q存在于同一个分量中则返回true
int count() 连通分量的个数

代码实现一:

import java.util.Scanner;
public class UF {
private int[] id; //分量的id
private int count; //分量的数量 //初始化分量id数组
public UF(int N) {
count = N;
id = new int[N];
for (int i = 0; i < N; i++) {
id[i] = i;
}
} //返回分量的数量
public int count() {
return count;
} //判断两个节点是否属于同一个分量
public boolean connected(int p, int q) {
return find(p) == find(q);
} //求节点p所属的分量id
public int find(int p) {
return id[p];
} //连接节点pq
//首先检查pq是否在同一个分量中,如果是则不做任何操作,否则要求p所在的连通分量中
//所有节点id必须相同,q所在的连通分量中所有节点id也相同但为另外的值,要将二者合
//二为一,则将q所在分量的所有节点id均变为p节点的id或相反
public void union(int p, int q) {
int pId = find(p);
int qId = find(q); if (pId == qId) {
return;
} for (int i = 0; i < id.length; i++) {
if (id[i] == qId) {
id[i] = pId;
}
}
count--;
} public static void main(String[] args) {
@SuppressWarnings("resource")
Scanner scanner = new Scanner(System.in);
int N = scanner.nextInt();
UF uf = new UF(N); while (scanner.hasNext()) {
int p = scanner.nextInt();
int q = scanner.nextInt();
if (uf.connected(p, q)) {
continue;
}
uf.union(p, q);
System.out.println(p + "--" + q);
}
System.out.println(uf.count() + " components");
}
}

使用这种find和union实现可以看到,对于find操作非常快,但对于union每一对节点输入都可能需要进行对整个id数组进行遍历,对于id数组的访问时间为O(N^2),所以当输入节点很多时用这个算法来统计连通分量就不行了,此时union的时间复杂度为O(N),find的复杂度为O(1)。

代码实现二:

public int find2(int p) {
while (p != id[p]) {
p = id[p];
}
return p;
} public void union2(int p, int q) {
int pId = find2(p);
int qId = find2(q); if (pId == qId) {
return;
} id[qId] = pId;
count--;
}

使用这种find2和union2实现可以看到,对于调用到find2时,在某些情况下对于id数组访问的时间复杂度依然为O(N^2),此时find2的时间复杂度为树的高度N,union2的复杂度也为树的高度N。

代码实现三:

public class WeightedQuickUF {
private int[] id; //节点的索引
private int[] w; //每个根节点对应分量的大小
private int count; public WeightedQuickUF(int N) {
count = N;
id = new int[N];
w = new int[N];
for (int i = 0; i < N; i++) {
id[i] = i;
w[i] = 1;
}
} //返回分量的数量
public int count() {
return count;
} //判断两个节点是否属于同一个分量
public boolean connected(int p, int q) {
return find(p) == find(q);
} public int find(int p) {
while (p != id[p]) {
p = id[p];
}
return p;
} public void union(int p, int q) {
int pId = find(p);
int qId = find(q); if(pId == qId) {
return;
} if (w[pId] < w[qId]) {
id[pId] = qId;
w[qId] += w[pId];
} else {
id[qId] = pId;
w[pId] += w[qId];
}
count--;
}
}

对第二种实现做一些改进,使用加权的算法,使用加权算法保证在使用union时总是将小树的根节点连接到大树上,此时find和union的复杂度均为树的高度lgN,所以访问id数组的复杂度最坏情况为cMlgN,此时C为常数,M为连接数,N为节点数。

union-find算法的更多相关文章

  1. 算法与数据结构基础 - 合并查找(Union Find)

    Union Find算法基础 Union Find算法用于处理集合的合并和查询问题,其定义了两个用于并查集的操作: Find: 确定元素属于哪一个子集,或判断两个元素是否属于同一子集 Union: 将 ...

  2. LeetCode编程训练 - 合并查找(Union Find)

    Union Find算法基础 Union Find算法用于处理集合的合并和查询问题,其定义了两个用于并查集的操作: Find: 确定元素属于哪一个子集,或判断两个元素是否属于同一子集 Union: 将 ...

  3. 最小生成树——Kruskal(克鲁斯卡尔)算法

    [0]README 0.1) 本文总结于 数据结构与算法分析, 源代码均为原创, 旨在 理解 Kruskal(克鲁斯卡尔)算法 的idea 并用 源代码加以实现: 0.2)最小生成树的基础知识,参见 ...

  4. Kruscal算法求图的最小生成树

    Kruscal算法求图的最小生成树 概述   和Prim算法求图的最小生成树一样,Kruscal算法求最小生成树也用到了贪心的思想,只不过前者是贪心地选择点,后者是贪心地选择边.而且在算法的实现中,我 ...

  5. MySQL 优化之 index merge(索引合并)

    深入理解 index merge 是使用索引进行优化的重要基础之一.理解了 index merge 技术,我们才知道应该如何在表上建立索引. 1. 为什么会有index merge 我们的 where ...

  6. MYSQL-联合索引

    深入理解 index merge 是使用索引进行优化的重要基础之一.理解了 index merge 技术,我们才知道应该如何在表上建立索引. 1. 为什么会有index merge 我们的 where ...

  7. MySQL index merge

    深入理解 index merge 是使用索引进行优化的重要基础之一. [ index merge]       当where谓词中存在多个条件(或者join)涉及到多个字段,它们之间进行 AND 或者 ...

  8. MySQL 查询优化之 Index Merge

    MySQL 查询优化之 Index Merge Index Merge Intersection 访问算法 Index Merge Union 访问算法 Index Merge Sort-Union ...

  9. MySQL 优化之 index_merge (索引合并)

    深入理解 index merge 是使用索引进行优化的重要基础之一.理解了 index merge 技术,我们才知道应该如何在表上建立索引. 1. 为什么会有index merge 我们的 where ...

  10. HNCU1323:算法2-1:集合union (线性表)

    http://hncu.acmclub.com/index.php?app=problem_title&id=111&problem_id=1323 题目描述 假设利用两个线性表LA和 ...

随机推荐

  1. YOLOv2-darknet 内容解析

    目录 YOLOv2-darknet 内容解析 1. 改进之处 2. Better 3. Faster 4. Stronger 5. 总结 reference YOLOv2-darknet 内容解析 1 ...

  2. FPGA 概述

    概述 verilog HDL Verilog HDL基本结构 1 Verilog HDL程序是由模块构成的.每个模块嵌套在module和endmodule声明语句中. 2 每个Verilog HDL源 ...

  3. UVa 1605 联合国大楼

    https://vjudge.net/problem/UVA-1605 题意:有n个国家,要求设计一栋楼并为这n个国家划分房间,要求国家的房间必须连通,且每两个国家之间必须有一间房间是相邻的. 思路: ...

  4. wc的使用

    统计文件个数 ls -l |grep "^-"|wc -l 统计目录的个数 ls -l|grep "^d"|wc -l 统计文件个数(包括子文件夹) ls -l ...

  5. TypeScript基础学习

    什么是TypeScript? TypeScript是一种由微软开发的自由的和开源的编程语言,它是JavaScript的一个超集,扩展了JavaScript的语法. TypeScript支持任意浏览器, ...

  6. python打印cookies获取cookie

    def test_002_buy_ticket(self): data = [{"}] print(data) data = json.dumps(data) cookies = self. ...

  7. ps命令各个内容信息详解

        USER    用户名  PID    进程ID(Process ID)  %CPU    进程的cpu占用率  %MEM    进程的内存占用率  VSZ    进程所使用的虚存的大小(Vi ...

  8. linux下ssh公钥验证的设置和远程登录

    1.第一步 在自己本机,通过工具生成一对公私钥对,对应id_rsa/id_rsa.pub 2.第二步 修改服务器配置     1)复制id_rsa.pub公钥内容    将文件内容追加到~/.ssh/ ...

  9. 20170706wdVBA保存图片到本地API

    Private Type GUID Data1 As Long Data2 As Integer Data3 As Integer Data4(0 To 7) As Byte End Type Pri ...

  10. git 下载代码

    git clone https://github.com/ContextLogic/Wish-Merchant-API.git wish(wish是下载的地址,这样的话,就在你的住文件夹上)