图论06-【无权无向】-图的遍历并查集Union Find-力扣695为例

文章介绍了如何使用并查集数据结构解决二维网格中最大岛屿面积问题,包括UF变量设计、合并两个集合的方法以及find和unionElements函数的实现。

1. 代码仓库

https://github.com/Chufeng-Jiang/Graph-Theory

2. 思路

2.1 UF变量设计

在这里插入图片描述

parent数组保存着每个节点所指向的父节点的索引,初始值为当前顶点编号,指向自己。

后期在合并的时候均指向其合并的另一个元素的父节点,也就是p->a, q->q,合并p和q时,改变q的指向,q->a.

最终a下面挂两个节点,分别为p, q.

//parent数组中保存着每个节点所指向的父节点的索引
private int[] parent;

sz数组来保存每个根节点所代表的子树中元素的数量 
private int[] sz;

2.2 UF合并两个集合

查找两个元素的父节点,父节点相同则属于同一个集合

public void unionElements(int p, int q) {

    int pRoot = find(p); // 找到p的父节点
    int qRoot = find(q); // 找到q的父节点

    if (pRoot == qRoot) // 如果pq的父节点相同,说明在同一个集合内
        return;

    parent[pRoot] = qRoot; //如果不相同,将p的父节点挂到q的父节点下,进行合并
    sz[qRoot] += sz[pRoot]; //q的集合大小合并
}

2.3 查找当前顶点的父节点 find(element)

递归查找父节点,只要不满足p = parent[p],就肯定没有到达最上层。find(parent[p])为查找p节点的

public int find(int p) {

    if (p != parent[p]) //还没找到根节点
        parent[p] = find(parent[p]); //递归实现
    
    //p = parent[p]时,就是父节点
    return parent[p]; 
}

在这里插入图片描述

3. 完整代码

public class Union_Find {
    class UF {
        private int[] parent; //parent数组中保存着每个节点所指向的父节点的索引
        private int[] sz;

        public UF(int n) {
            parent = new int[n];
            sz = new int[n];
            for (int i = 0; i < n; i++) {
                parent[i] = i; //初始化的时候当前节点的父节点都是自己
                sz[i] = 1; //当前所属集合的大小
            }
        }
        
        // 不断去查询自己的父亲节点, 直到到达根节点
        // 根节点的特点: parent[p] == p
        public int find(int p) {
            if (p != parent[p]) //还没找到根节点
                parent[p] = find(parent[p]); //递归实现
            return parent[p]; //终于找到根节点
        }

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

        public void unionElements(int p, int q) {

            int pRoot = find(p); //找到p的父节点
            int qRoot = find(q); //找到q的父节点

            if (pRoot == qRoot)//如果pq的父节点相同,说明在同一个集合内
                return;

            parent[pRoot] = qRoot; //如果不相同,将p的父节点挂到q的父节点下,进行合并
            sz[qRoot] += sz[pRoot]; //q的集合大小合并
        }

        public int size(int p) {
            return sz[find(p)];
        }
    }

    private int[][] dirs = {{-1, 0}, {0, 1}, {1, 0}, {0, -1}};
    private int R, C;

    public int maxAreaOfIsland(int[][] grid) {

        if (grid == null) return 0;

        R = grid.length;
        if (R == 0) return 0;

        C = grid[0].length;
        if (C == 0) return 0;

        UF uf = new UF(R * C);
        for (int v = 0; v < R * C; v++) {
            int x = v / C, y = v % C;
            if (grid[x][y] == 1)
                for (int d = 0; d < 4; d++) {
                    int nextx = x + dirs[d][0], nexty = y + dirs[d][1];
                    if (inArea(nextx, nexty) && grid[nextx][nexty] == 1) {
                        int next = nextx * C + nexty;
                        uf.unionElements(v, next);
                    }
                }
        }

        int res = 0;
        for (int v = 0; v < R * C; v++) {
            int x = v / C, y = v % C;
            if (grid[x][y] == 1)
                res = Math.max(res, uf.size(v)); //遍历找到最大的size
        }
        return res;
    }

    private boolean inArea(int x, int y) {
        return x >= 0 && x < R && y >= 0 && y < C;
    }
}
### 力扣上的并查集题目 #### 题目概述 在 LeetCode 上,并查集是一种非常常见的算法设计模式,用于解决涉及连通性和分组的问题。以下是几个经典的并查集相关题目及其描述。 --- #### 经典题目解析 1. **岛屿数量 (Number of Islands)** 这是一个经典问题,目标是在二维网格中计算由 '1' 表示的陆地组成的岛屿的数量[^2]。可以使用 DFS、BFS 或者并查集来实现。如果选择并查集方法,则可以通过 `union` 操作将相邻的陆地标记为同一集合,最终统计独立集合的数量得到答案。 2. **最长连续序列 (Longest Consecutive Sequence)** 输入一个未排序的整数数组,找到其中最长的连续子序列长度[^3]。此问题可以用哈希表或者并查集求解。通过构建节点之间的连接关系,利用并查集中的 `find` 和 `union` 方法动态维护最大连通区域大小。 3. **朋友圈 (Friend Circles)** 描述了一群学生之间是否存在友谊关系的情况,判断总共有多少个互不相交的朋友圈[^1]。这道题可以直接映射到标准的并查集模型上——每一对朋友视为一条边,执行相应的合并操作后查询总的连通分支数目即可得出结果。 4. **账户合并 (Accounts Merge)** 提供多个电子邮件地址列表以及它们所属用户的姓名信息,要求按照实际拥有这些邮箱的人重新整理输出形式[^4]。这里同样适用基于字符串键值建立结构再借助并查集完成归类处理逻辑。 5. **冗余连接 II (Redundant Connection II)** 假设树形拓扑被破坏成含有环路的状态,请找出造成这种情况的一条多余边并移除恢复原状。运用带权版并查集技巧检测何时形成闭环从而定位错误链接位置。 --- ```python class UnionFind: def __init__(self, n): self.parent = list(range(n)) def find(self, p): while p != self.parent[p]: self.parent[p] = self.parent[self.parent[p]] # 路径压缩 p = self.parent[p] return p def union(self, p, q): rootP = self.find(p) rootQ = self.find(q) if rootP == rootQ: return False self.parent[rootP] = rootQ return True ``` 上述代码片段展示了如何定义一个基础版本的支持按秩合并与路径压缩优化后的并查集数据结构实化过程。 --- ###
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

大大枫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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