数据结构---并查集

数据结构之并查集(模板) 并查集实现,带路径压缩和template,高效查找神器!注:库里面如果没有unordered_map,可以换成hash_map或者map 立即下载

1.01 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(Disjoint Sets)的合并及查询问题。常常在使用中以森林来表示。

转的一个超级有意思,好懂的并查集解释, 膜拜大神~~
在这里插入图片描述
并查集:由孩子指向父亲的树结构,主要解决连接问题
在这里插入图片描述
网络中结点的连接状态

网络是一个抽象的概念:

  • 用户之间形成的社交网络
  • 商品,图书,音乐,火车…很多很多
  • 数学中的集合类实现 并集 查询

连接问题和路径问题:

  • 连接相对于路径个那个如简单 只需回答是否连接
  • 路径相对于连接更为复杂,先找路,后判断连接

对于一组数据,主要支持两个动作:

  • union(p,q)
  • isConnected(p,q)

并查集的基本数据表示
在这里插入图片描述
1.02 UnionFind并查集接口定义

public interface UnionFind{
	int getSize();	//一共考虑多少个元素 不关心增加和删除
	boolean isConnected(int p,it q);	//两个元素是否可连接 不关心具体元素 当做角标处理
	void unionElements(int p,int q);	//将两个元素并在一起
}

1.03 UnionFind1类定义(用数组模拟并查集)

public class UnionFind1 implments UnionFind{
	private int[] id;
	public UnionFind1(int size){
		id=new int[size];
		for(int i=0;i<id.length;i++){
			id[i]=i;	//每个元素一个集合
		}
	}
	
	public int getSize(){
		return id.length;
	}

	private int find(int p){
		if(p<0||p>=id.length){
			throw new IllegalArgumentException("p is out of bound");	//越界
		}
		return id[p];
	}

	public boolean isConnected(int p,int q){
		return find(p)==find(q);
	}

	public void unionElements(int p,int q){	//将两个元素连接
		int pID=find(p);
		int qID=find(q);
		if(pID==qID){
			return;
		}
		for(int i=0;i<id.length;i++){
			if(id[i]==pID){
				id[i]=qID;
			}
		}
	}
}

基于时间复杂度的优化:

UnionFind1仅仅是用数据模拟一个并查集的操作,但是最好将每一个元素,看做是一个结点。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
UnionFind2类定义(优化时间复杂度)

public class UnionFind2 implements UnionFind{
	private int[] parent;
	public UnionFind2(int size){
		parent=new int[size];
		for(int i=0;i<size;i++){
			parent[i]=i;
		}
	}

	public int getSize(){
		return parent.length;
	}
	
	private int find(int p){
		if(p<0||p>=parent.length){
			throw new IllegalArgumentException("p is out of bound");
		}
		while(p!=parent[p]){
			p=parent[p];
		}
		return p;
	}

	public boolean isConnected(int p,int q){
		return find(p)==find(q);
	}

	public void unionElements(int p,int q){
		int pRoot=find(p);
		int qRoot=find(q);
		if(pRoot==qRoot){
			return;
		}else{
			parent[pRoot]=qRoot;
		}
	}
}

基于size的优化:

但是对于其实现而言,可能最终退化成一个链表。

在这里插入图片描述

UnionFind3类定义(优化深度)

public class UnionFind3 implements UnionFind{
	private int[] parent;
	private int[] sz;
	public UnionFind3(int size){
		parent=new int[size];
		sz=new int[size];
		for(int i=0;i<size;i++){
			parent[i]=i;
			sz[i]=1;
		}
	}

	public int getSize(){
		return parent.length;
	}
	
	private int find(int p){
		if(p<0||p>=parent.length){
			throw new IllegalArgumentException("p is out of bound");
		}
		while(p!=parent[p]){
			p=parent[p];
		}
		return p;
	}

	public boolean isConnected(int p,int q){
		return find(p)==find(q);
	}

	public void unionElements(int p,int q){
		int pRoot=find(p);
		int qRoot=find(q);
		if(pRoot==qRoot){
			return;
		}
		//根据两个元素所在树的元素个数不同判断合并方向
		//将元素个数绍的集合合并到元素个数多的集合上
		if(sz[pRoot]<sz[qRoot]){
			parent[pRoot]=qRoot;
			sz[qRoot]+=sz[pRoot];
		 }else{
		 	parent[qRoot]=pRoot;
		 	sz[pRoot]+=sz[qRoot];
		 }
	}
}

基于rank的优化:

对于此事的并查集而言,如何处理?本身深度为2,按照之前的优化,深度变成4了

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

Here有一个非常有趣的并查集解读~~欢迎浏览

单相全桥逆变三种SPWM调制方式(单极/双极/倍频)到底怎么选?一篇讲透优缺点与选型 本文深入解析单相全桥逆变器中单极性、双极性和单极性倍频三种SPWM调制方式的原理与工程选型策略。通过对比开关损耗、谐波特性和驱动复杂度等关键指标,提供基于STM32的实战方案和选型框架,帮助工程师在新能源发电、电机驱动等应用中做出最优决策。 阅读详情

相关推荐

PCB过孔全介绍

过孔(via)是多层PCB的重要组成部分之一,钻孔的费用通常占PCB制板费用的30%到40%。简单的说来,PCB上的每一个孔都可以称之为过孔。从作用上看,过孔可以分成两类:一是用作各层间的电气连接;二是用作器件的固定或定位。如果从工艺制程上来说,这些过孔一般又分为三类,即盲孔(blind via)、埋孔(buried via)和通孔(through via)。盲孔位于印刷线路板的顶层和底层表面,具

小王的自我修行路 2358

【数据结构】并查集(Union-Find)

并查集是管理集合合并与查询的高效数据结构,通过路径压缩和按秩合并优化,实现接近常数时间的合并与查询操作,广泛用于连通性问题。

zhangmohan123321的博客 846

Unity2D像素刀光实现:粒子方向控制与像素级渲染规范

像素风游戏中的刀光特效并非普通粒子动画,而是需严格遵循像素艺术原理的视觉暂留模拟。其核心在于将‘瞬时切割感’转化为程序可执行的渲染逻辑:通过禁用纹理滤波保障1:1像素锐度,绑定刀锋向量控制粒子运动方向,限定≤0.15秒生命周期匹配人眼暂留阈值,并采用Stretched Billboard实现动态拉伸拖影。该方案兼顾美术语义(如直劈、横扫、突刺)与工程约束(Sorting Layer分层、对象池复用、单粒子GPU优化),广泛适用于Unity2D平台的动作反馈系统,尤其适配《空洞骑士》《死亡细胞》类高节奏像素R

weixin_32390647的博客 288

数据结构——并查集

并查集是一种数据结构,是树的一种应用,用于处理一些不交集(一系列没有重复元素的集合)的合并以及查询问题。并查集支持如下操作: 查询:查询某个元素属于哪个集合,通常是返回集合内的一个“代表元素”。这个操作一般是为了判断两个元素是否在同一个集合之中。 合并:将两个集合合并为一个。 添加:添加一个新集合,其中有一个新元素。不如查询和合并操作重要。 我们来看下面一个比较有趣的并查集应用的例子: 话说江湖上散落着各式各样的大侠,有上千个之多。他们没有什么正当职业,整天背着剑在外面走来走去,碰到和自己不是一路人的

weixin_38384296的博客 1922

宜搭子表单(自定义页面全部展示)

效果:增加自定义页面添加表格组件,配置数据源变量: formUuid'表单编码'变量: pageSize10变量: currentPage1。

2301_80286061的博客 2287

【多模态实验总结】整理了几十篇文章,理清 多模态目标检测 在写论文中需要做哪些实验

此篇文章中将多模态目标检测所做的实验,分成了各个类别,目的是为了对多模态的实验有一个清晰的理解。可以看到,很多表格中放的并不是做了单一的某一个对比,而是将提出的模型,在不同的骨干、数据集上的效果与基线进行对比,使内容更全面。因此这里提到的各种实验,大家在后续改进写论文过程中可以根据自己的论文内容进行整合。对于这里提到的这些文章,大家都可以看看,我只是按照我这里的分类截取了部分实验,这里提到的所有实验在每篇文章中也基本能看到相应的实验。

Limiiiing的博客 3147

数据结构--并查集

并查集

信息学奥赛学案 1561

大模型选型实战:为OpenClaw匹配最优“大脑”的全维度考量

大模型不是越贵越好,也不是参数越高越好,适合自己的使用场景才是最好的。按照我的方法,先明确自己的需求,再选对应的模型,配置多模型自动路由,既能保证体验,又能最大限度降低成本。我自己用这套配置用了半年多,不管是写文章、写代码还是处理复杂问题,都完全够用,成本也很低,大家可以参考一下。如果不知道选什么模型,可以在评论区说一下你的使用场景。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 343

数据结构之并查集

1. 并查集(Union Find) 也叫做不相交集合(Disjoint Set) 核心操作: 查找(Find):查找元素所在的集合; 合并(Union):将两个元素所在的集合合并为一个集合; 1.1 存储方式 假设并查集处理的数据都是整性,可以使用整性数组来存储数据。 存储结构 逻辑结构 可以看出:(0、1、3)是一个集合;(4、5、6、7)是一个集合;2自己一个集合。 1.2 接口设计 /** * @Description 并查集接口 * @date 2022/5/9 16:

风间琉璃の博客 1127

基于STM32、HAL库的ADE7880ACPZ-RL电能计量芯片驱动程序设计

@retval 状态 (ADE7880_OK或ADE7880_ERROR)* @retval 状态 (ADE7880_OK或ADE7880_ERROR)* @retval 状态 (ADE7880_OK或ADE7880_ERROR)* @retval 状态 (ADE7880_OK或ADE7880_ERROR)* @retval 状态 (ADE7880_OK或ADE7880_ERROR)PA6 (MISO) <--> SDO (SPI数据输出)PB0 (CS) <--> /CS (片选,低有效)

corlin6688的博客 669

组基轨迹建模 GBTM的介绍与实现(Stata 或 R)

组基轨迹建模(Group-Based Trajectory Modeling,GBTM)(旧名称:Semiparametric mixture model)历史:由DANIELS.NAGIN提出,发表文献《Analyzing Developmental Trajectories:A Semiparametric,Group-Based Approach》GBTM能够将一群人的轨迹分类并生成数个具有代表性的运动轨迹模型,然后对每个轨迹模型进行分析,以了解人们的运动特征、生理水平和风险等级等。

三分钟热度 1万+

【数据结构】基础并查集

并查集是一种用于处理不相交集合合并与查询的树型数据结构。其核心操作包括查找(find)和合并(join)。初始时每个节点自成一集合。查找操作递归寻找根节点,合并操作将两集合根节点相连。路径压缩优化在查找时使节点直接指向根,提升效率。典型应用如判断元素是否同属一集合,时间复杂度接近常数级。例题P3367展示了并查集的基本用法,通过路径压缩处理大规模数据的合并查询。

2301_76258490的博客 1824

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

【高级数据结构】并查集

前面讲解了并查集的基本应用—一处理集合问题。在这些基本应用中,点之间只有简单的归属关系,而没有权值。如果在点之间加上权值,并查集的应用会更广泛。如果读者联想到树这种数据结构,会发现并查集实际上是在维护若干棵树。并查集的合并和查询优化,实际上是在改变树的形状,把原来“细长”的,操作低效的大量“小树”,变为“粗短”的、操作高效的少量“大树”。如果在原来的“小树”上,点之间有权值,那么经过并查集的优化变成“大树”后,这些权值的操作也变得高效了。定义一个权值数组dd[]d,把节点iii。

Antonio915的博客 1万+

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

【数据结构】图和并查集

💬hello!各位铁子们大家好哇。今日更新了并查集和图的相关内容。

qinjh_的博客 3445

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

算法与数据结构——并查集、种类并查集和带权并查集

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。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。

qq_56639722的博客 3083

【数据结构进阶】并查集

并查集 正如它的名字一样,并查集(Union-Find)就是用来对集合进行 合并(Union) 与 查询(Find) 操作的一种数据结构。 合并 就是将两个不相交的集合合并成一个集合。 查询 就是查询两个元素是否属于同一集合。 并查集的原理 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)。比如说,我们可以用并查集来判断一个森林中有几棵树、某个节点是否属于某棵树等。 组成 并查集主要由一个整型数组pre[ ]和两个函数find( )、join( )构成。

孙宇航的博客 3903

【高阶数据结构】并查集

并查集实际是一个森林,森林是由多棵互不相交的树组成的。那什么数据结构能把多颗树存下来呢?下面随着我们的学习就知道了。

fight_p的博客 2240

【数据结构与算法】并查集

大家好,我是白晨,这次为大家带来的数据结构是并查集,这是一种能够快速合并两个集合以及快速查询两个元素是否在一个集合中,时间复杂度在大量查询的情况下可以达到O(1)的数据结构,由于实现思路简单,代码短,性质好,经常会在算法题中用到。同时,并查集也在与图相关的算法中出现过很多次,例如,最小生成树Kruskal算法就使用了并查集。并查集 (英文:Disjoint-set data structure,直译为不交集数据结构)是一种数据结构 ,用于。

白晨的博客 3473

01数据结构-并查集

树的基本查找我们已经讲完了,后面高阶搜索树我们后面再说,先来看树的两个应用,一个是并查集,一个是哈夫曼树,今天呢我们先讲并查集。并查集是一种非常精巧而实用的树形数据结构,他主要是处理一些不相交集合的合并和查询的问题。不相交集合,顾名思义,就是两个集合的交集为空集的一些集合。比如1,3,5和2,4,6,他俩的交集为空集。就是不相交集合。像2,3,5和1,3,5就不是不相交集合。使用并查集时,首先会存在一组不相交的动态集合 S={S1, S2,⋯,Sk},一般都会使用一个整数表示集合中的一个元素。

2302_82136376的博客 1109

数据结构-并查集

并查集代码很短,思维精巧,在面试和比赛当中是一种很常用的数据结构。并、查、集,这个三个字,其中前面两个字都是动词,第三个字是个名词。集就是集合,就是将一堆元素没有顺序地摆放在同一个地方。因此并查集的本质就是对集合进行操作。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。

每天进步一点点! 813

数据结构 -并查集

并查集简介

夜泉的博客 1805

【数据结构】并查集

介绍了并查集的概念,并模拟实现了并查集。

Code Space 2651
上一篇: 数据结构---线段树
下一篇: 数据结构---自平衡二叉树AVL
inferno devil
博客等级 码龄9年 54粉丝 172原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值