[算法入土之路]并查集

2024-03-24 23:08
文章标签 算法 查集 入土

本文主要是介绍[算法入土之路]并查集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        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。

主要操作

        初始化

                把每个点所在集合初始化为其自身, 并设置连接节点数为1

                无论何种实现方式,时间复杂度均为O(N)。

        查找

                查找元素所在的集合,即根节点。时间复杂度 O(1)

        路径压缩

                将查找路径上的所有节点的祖先节点位, 置为最终祖先

        合并

                将两个元素所在的集合合并为一个集合。 时间复杂度 O(1)

        判断

                判断两个节点是否属于同一个集合。 时间复杂度 O(1)

class DSU:"""并查集 Disjoint Set Union使 union(合并) 和 is_connected(查询) 方法的时间复杂度为 O(1)"""def __init__(self, elems):''':param elems: 元素列表'''self.uf = {i: [i, 1] for i in elems}  # key: 元素标识 value: 祖先节点位(如果没有默认为自己) 已经连接的节点数self.sets_count = len(self.uf)  # 判断并查集里共有几个集合def find(self, elem):"""查找 elem 的祖先节点:return: elem 祖先节点在 uf 中对应的 value"""r = elemwhile self.uf.get(elem)[0] is not elem:# 如果elem的父节点不是自己 向上查找父节点elem = self.uf.get(elem)[0]# 循环结束 此时 elem 是祖先节点'''路径压缩算法 👇因为并查集目标是找到自己所属的集合 所以每个节点不需要知道自己的间接所属只需要知道自己的最终所属从而最终使得整棵树的横向变宽 减少了查询路径长度'''while r is not elem[0]:# 如果查找到了查找到的祖先节点不是自己  则更改自己的祖先节点位# 向上查询 如果初始elem的父节点的祖先节点位不是最终祖先 则也更改祖先节点位self.uf[r][0], r = elem[0], self.uf[r][0]return self.uf[elem]def union(self, elem_1, elem_2):"""连通 elem_1 和 elem_1:param elem_1: 节点1:param elem_2: 节点2:return:"""# 获取p, q 的祖先节点元素标识 和 祖先节点对应的已经连接的节点数量anc_1, len_1 = self.find(elem_1)anc_2, len_2 = self.find(elem_2)if anc_1 is anc_2:# 如果两个节点的祖先节点相同, 则代表两个节点已经连接了return True# 否则需要想两个集合合并, 将小的合并到大的集合会减少开销 故选择此方式# 判断两个集合哪个更大elif len_1 > len_2:self.uf[anc_2][0] = anc_1  # 将小集合对应的祖先的祖先标识位更改为大集合的祖先节点标识self.uf[anc_1][1] += self.uf[anc_2][1]  # 将大集合的长度更改为 大小集合合并之后的大小self.uf[anc_2][1] = 1  # 将小集合祖先的集合长度更改为1else:# 同理self.uf[anc_1][0] = anc_2self.uf[anc_2][1] += self.uf[anc_1][1]self.uf[anc_1][1] = 1self.sets_count -= 1  # 并查集互相隔离的集合数目减一def is_connected(self, elem_1, elem_2):"""判断两节点是否连通:param elem_1: 节点1:param elem_2: 节点2:return: True 两节点相通; False 两节点不通"""return self.find(elem_1)[0] == self.find(elem_2)[0]

测试

if __name__ == '__main__':dsu = DSU(["a", "b", "c", "d", "e"])dsu.union("a", "b")dsu.union("a", "e")dsu.union("c", "d")dsu.union("c", "e")print(dsu.is_connected("c", "e"))print(dsu.uf)

结果

True
{'a': ['b', 1], 'b': ['b', 5], 'c': ['b', 1], 'd': ['b', 1], 'e': ['b', 1]}

这篇关于[算法入土之路]并查集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/843078

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖