当前位置: 首页 > news >正文

数据结构之并查集

一、并查集的原理

在一些应用问题中,需要将n个不同的元素划分成一些不相交的集合,开始时,每个元素自成一个单元素集合,然后按一定规律将同一组的元素集合合并。在此过程中要反复用到查询某个元素归属于哪个集合的运算,适合于描述这类问题的抽象数据结构类型称为并查集(union-find-set)

比如作者有大学同学,高中同学,初中同学,他们彼此不认识。就会分为三个集合。

按10人来算,将其按编号分为0-9,

分为不同的团体

用数组来表示该树形关系,数组中的非负数代表其父节点,负数表示该结点为根结点,且该树形有abs(负数)个结点。

之后,机缘巧合下,大学同学和初中同学在一场聚会中认识了,就将其合并为一个集合。

通过以上例子可知并查集一般可解决以下问题:

1.查找元素属于哪一个集合
2.查看两个元素是否属于同一个集合
3.将两个集合归并为一个集合
4.得到集合的个数

二、并查集的实现

1.这里我使用map存储名字和其对应vector的下标,vector来存储其关系。
class UnionFindSet{ public: UnionFindSet(int n) { v.reserve(n); } private: vector<int> v; map<T,int> m; };
2.push实现去添加新元素
void push(T&& name) { v.push_back(-1); m[name] = v.size() - 1; } void push(const T& name) { v.push_back(-1); m[name] = v.size()-1; }

这里实现右值引用和const左值引用两个版本

3.给一个元素,找见其元素所在集合的位置
//给一个元素,找见其元素所在集合的位置 int UnionFind(const T& name) { if (m.count(name) == 0) { return -1; } else { //通过循环遍历,找见v[index]为负数的位置 //该index就为根节点的位置 int index= m.find(name)->second; while (v[index] >= 0) { index = v[index]; } return index; } }
4.查找集合的个数
//集合的个数 size_t Count()const { size_t count = 0; for (int i = 0; i < v.size(); i++) { if (v[i] < 0) { count++; } } return count; }
5.查找两个元素是否为同一个集合,并合并
//合并两个元素为同一个集合 bool merge(const T& name1, const T& name2) { //查找两个元素是不是同一个集合 int x1 = UnionFind(name1); int x2 = UnionFind(name2); if (x1 == x2) {//因为有相同的根节点,所以为同一个集合 return false; } else { v[x1] += v[x2];//将v[x2]存储的内容加在v[v1]上更新新集合的结点数量 v[x2] = x1;//将v[x2]指向父节点 return true; } } //也可合并多个元素,利用可变参数包 template<class...Args> void merge(const T& name1, const T& name2, Args&&... args) { merge(name1, name2); if constexpr (sizeof...(args) > 0) {//constexpr可以在编译时检查,防止传参出现问题 merge(name2, forward<Args>(args)...);//这里用完美转发去保持其右值属性不变。 } }

三、并差集的应用

1.省份数量https://leetcode.cn/problems/number-of-provinces/description/
class Solution { public: int findCircleNum(vector<vector<int>>& isConnected) { vector<int> v; v.resize(isConnected.size(),-1); auto find=[&v](int index){//寻找根节点的数组下标 while(v[index]>=0){ index=v[index]; } return index; }; auto merge=[&v,&find](int a,int b){//合并两个集合 int a1=find(a); int b1=find(b); if(a1!=b1){ v[a1]+=v[b1]; v[b1]=a1; } }; for(int i=0;i<isConnected.size();i++){ for(int j=0;j<isConnected.size();j++){ if(isConnected[i][j]==1){//建立集合的关系 merge(i,j); } } } int count=0; for(int i=0;i<v.size();i++){ if(v[i]<0){//判断“省份”的数量 count++; } } return count; } };
2.等式方程的可满足性https://leetcode.cn/problems/satisfiability-of-equality-equations/description/
class Solution { public: bool equationsPossible(vector<string>& equations) { vector<int> v; v.resize(26,-1); auto find=[&v](int index){ while(v[index]>=0){ index=v[index]; } return index; }; auto merge=[&v,&find](int x,int y){ int x1=find(x); int y1=find(y); if(x1!=y1){ v[x1]+=v[y1]; v[y1]=x1; } }; for(auto& e:equations){ if(e[1]=='='){//先将等于关系建立起来 merge(e[0]-'a',e[3]-'a'); } } for(auto& e:equations){ if(e[1]=='!'){//判断两个不等的元素是否有相等关系 int x=find(e[0]-'a'); int y=find(e[3]-'a'); if(x==y){//有就返回失败 return false; } } } return true;//遍历结束返回成功 } };
http://www.jsqmd.com/news/116355/

相关文章:

  • 【C语言】之文件操作详解1(流,文件信息区,文件缓冲区,文件的打开与关闭)
  • AI导游多语种支持:服务国际游客的实用方案
  • 关系型数据库sqlserver和pg创建覆盖索引的include写法示例及原理详解
  • 思考与练习(第十一章 面向对象编程基础)
  • 小型神经网络如何表示基本函数
  • Linly-Talker支持动态批处理,提高GPU吞吐量
  • MySQL 5.7覆盖索引的实现方式、替代方案和限制
  • 零基础也能做数字人?Linly-Talker开源镜像全解析
  • Linly-Talker与HeyGen对比:谁更适合国内用户?
  • 五、选择器进阶
  • 从零开始训练 LLM 需要多长时间?
  • Linly-Talker唇形匹配误差低于8ms,达到行业领先水平
  • 华为AI数据中心参考设计(附下载)
  • MySQL多表join的底层优化技术详解
  • Linly-Talker音频后处理模块:提升清晰度与饱满度
  • 从文本到数字人视频:Linly-Talker全流程演示
  • 一碗幸运魅力麦片有多幸运?
  • 状压dp|dfs|dijk
  • 7575645645
  • Linly-Talker本地部署避坑指南(附性能调优建议)
  • Linly-Talker实战教程:如何用大模型生成虚拟主播
  • STL容器性能探秘:stack、queue、deque的实现与CPU缓存命中率优化
  • 集成LLM+TTS+ASR,Linly-Talker实现真正实时对话
  • 数字人时代来临!Linly-Talker助力企业降本增效
  • 这张空中图像中有多少辆车?让我们从零开始用 YOLOv8 来计数!
  • 业界人士质疑汽车销量造假,经销商已开始拒绝压库,谁在裸泳?
  • minetest多人服务器配置
  • Linly-Talker支持中文语音输入输出吗?答案在这里
  • Linly-Talker对显卡配置的要求及性价比推荐
  • Linly-Talker表情过渡平滑算法:避免突兀跳跃