一口气——并查集及其在Kruskal算法的应用

本文记录下树结构下的并查集和其在Kruskal计算最小生成树算法中的应用

一、何为并查集

并查集，顾名思义对数据进行合并和查询，因为是树结构的应用，合并即将两个数据安置在树中，查询即查询某个数据的祖宗结点。其意义在于将许多看似不相关的数据通过一些线索分组，下面举个例子。

心理学中有个著名的六度分离理论，“你和任何一个陌生人之间所间隔的人不会超过五个，也就是说，最多通过五个人你就能够认识任何一个陌生人。”

现有11个人，这11个人编号1~14的数据，有如下10条线索：1、2彼此认识；3、4彼此认识；5、2彼此认识；4、6彼此认识；2、6彼此认识；7、11彼此认识；8、7彼此认识；9、7彼此认识；9、11彼此认识；1、6彼此认识。那么我们想要认识这11个人，只需要认识他们之中的几个，通过这几个人便可以要到所有人的联系方式，利用并查集将这11个人根据线索分组。

二、如何合并、查询

我认为有两个原则，一个概念，以左为尊原则和一撸到底原则，同时在一撸到底的过程中会伴随路径压缩的概念。以左为尊指让右方所在的组归为左方所在的组，一撸到底指分组时要让自己组长以左为尊，具体是什么通过分析上面的例子看一下。
起初每人自成一组共11组并自认组长（1 2 3 4 5 6 7 8 9 10 11）

第一条线索1、2，以左为尊即2组此时归为1组，2号的组长为1号（1 1 3 4 5 6 7 8 9 10 11）
第二条线索3、4，同上以左为尊4组归为3组，4号的组长为3号（1 1 3 3 5 6 7 8 9 10 11）
第三条线索5、2，注意以左为尊不是编号越小越尊贵而是输入的顺序，这里需要让2号所在的组归为5号所在的组，2号在1组，其组长为1号，贯彻一撸到底，让1号带着2号归为5号所在的5组（5 1 3 3 5 6 7 8 9 10 11）
第四条线索4、6，6组归为4号所在的3组（5 1 3 3 5 3 7 8 9 10 11）
第五条线索2、6，此时6号的组长为3号；2号的组长为1号、1号的组长又为5号，即一撸到底后2号组长为5号，在这个过程中发生了路径压缩，2号到组长5号的距离中间横着的1号被赶跑，也就是现在2号想要找到组长不需要在通过1号了。再将6号的所在的组以左为尊（5 5 5 3 5 3 7 8 9 10 11）
第六条线索7、11，以左为尊（5 5 5 3 5 3 7 8 9 10 7）
第七条线索8、7，以作为尊（5 5 5 3 5 3 8 8 9 10 7）
第八条线索9、7，一撸到底后以左为尊（5 5 5 3 5 3 8 9 9 10 7）
第九条线索9、11，一撸到底过程中路径压缩，11号先找到7号，而7号也不能一步到达自己的组长9号，7号到组长9号间的8号被赶跑（5 5 5 3 5 3 9 9 9 10 9）
第十条线索1、6，一撸到底过程中路径压缩，6号到组长5号中间的3号被赶跑（5 5 5 3 5 5 9 9 9 10 9）

线索/人	1	2	3	4	5	6	7	8	9	10	11
起初	1	2	3	4	5	6	7	8	9	10	11
1、2	1	1	3	4	5	6	7	8	9	10	11
3、4	1	1	3	3	5	6	7	8	9	10	11
5、2	5	1	3	3	5	6	7	8	9	10	11
4、6	5	1	3	3	5	3	7	8	9	10	11
2、6	5	5	5	3	5	3	7	8	9	10	11
7、11	5	5	5	3	5	3	7	8	9	10	7
8、7	5	5	5	3	5	3	8	8	9	10	7
9、7	5	5	5	3	5	3	8	9	9	10	7
9、11	5	5	5	3	5	3	9	9	9	10	9
1、6	5	5	5	3	5	3	9	9	9	10	9

总结下来，合并就是将两个结点安插在树中，安插前就需要查询左边点和右边点的祖宗结点（一撸到底），在查询过程中可能有的点会发现自己以为的祖宗结点其实是父结点，这样的点会找到自己真正的祖宗结点（路径压缩），最后让左边的点跟随右边的点（以左为尊）。以上例子中的组长便是祖宗结点，起初每个点的祖宗结点就是自己，并查集实现了结点们认祖归宗的过程，最后有几个祖宗结点，数据就分为了几组。该例为3个祖宗，分别是5、9、10，即通过这三个人就可以认识所有的11个人。

#include <iostream>
#include <algorithm>
#include <stdio.h>using namespace std;int point_data[101];//索引为自己的结点号，值为父结点号（可能是祖宗节点）
int n, m;//结点数，线索数int query(int v) {//寻找祖宗结点，查询if (point_data[v] == v)return v;else {point_data[v] = query(point_data[v]);//一撸到底原则，伴随路径压缩return point_data[v];}
}void merge(int left, int right) {//两个结点合并int t1 = query(left);//获得left祖宗结点int t2 = query(right);//获得right祖宗结点if (t1 != t2)point_data[t2] = t1;//以左为尊原则return;
}int main() {cout << "输入结点数和相关信息数：";cin >> n >> m;//有多少结点，多少个相关性信息for (int i = 1; i <= n; i++)point_data[i] = i;cout << "输入相关的结点" << endl;for (int i = 1; i <= m; i++) {int x, y;//x和y相关cin >> x >> y;merge(x, y);//合并x和y}cout << "祖宗结点有：";for (int i = 1; i <= n; i++)if (point_data[i] == i)//该点一定为一个祖宗结点cout << i << " ";cout << endl;return 0;
}

三、并查集在Kruskal最小生成树算法中的应用

并查集可以查询某两个结点的祖宗结点，如果两个结点的祖宗结点一样，且这两个结点间有一条边，则从树结构变成了有闭合回路的图。相信已经很明显了，并查集可以判断在图中加入一条边后是否形成环，而这正是Kruskal最小生成树算法的关键。

大致说下该宗室级算法，首先将图中每条边去除并按权值自然顺序排序，然后依次将边补充回图中，如果形成了回路则该边舍弃，循环该步骤直到所有点被边连接。

#include <iostream>
#include <stdio.h>
#include <algorithm>using namespace std;struct Line {//每条边int p1;//点int p2;//点int weight;//权值
};int point_data[101];//并查集数组int query(int i) {//查询，寻找祖宗结点if (point_data[i] == i)return point_data[i];else {point_data[i] = query(point_data[i]);//路径压缩return point_data[i];}
}bool merge(int left, int right) {//合并int t1 = query(left);//获得祖先结点int t2 = query(right);//获得祖先结点if (t1 != t2) {//如果没有共同的祖先结点，则无回路point_data[t2] = t1;return true;}return false;
}int main() {int n, m;cout << "输入点、边数：";cin >> n >> m;Line lines[101];cout << "输入边的信息" << endl;for (int i = 1; i <= m; i++)cin >> lines[i].p1 >> lines[i].p2 >> lines[i].weight;auto cmp = [](const Line& a, const Line& b)->int {return a.weight < b.weight; };sort(lines + 1, lines + 1 + m, cmp);//按照权值排序for (int i = 1; i <= n; i++)//并查集初始化point_data[i] = i;int count = 0, sum = 0;//已用边数，当前总权值cout << "所用边权值依次为：";for (int i = 1; i <= m; i++) {if (merge(lines[i].p1, lines[i].p2)) {//如果不会形成回路cout << lines[i].weight << " ";count++;//已用边数sum += lines[i].weight;}if (count == n - 1)//n-1条边恰好可将n个点相连break;}cout << endl << "总权值为：" << sum << endl;return 0;
}