并查集通过路径压缩和按秩合并高效处理集合合并与查询,支持连通性判断、求连通分量等操作,常用于Kruskal算法、岛屿问题等场景。

并查集(Union-Find)是一种高效处理不相交集合合并与查询的数据结构,常用于解决连通性问题,比如判断图中两个节点是否连通、求连通分量个数等。在 C++ 中实现并查集非常直观,核心操作包括查找(find)和合并(union)。通过路径压缩和按秩合并优化,可以将时间复杂度接近常数级别。
并查集通常用一个数组 parent 来表示每个元素的父节点,初始时每个元素的父节点是自己,表示各自独立成一个集合。
还可以引入 rank 数组来记录每棵树的“秩”(近似高度),用于优化合并操作。
class UnionFind {
public:
vector<int> parent;
vector<int> rank;
// 构造函数,初始化 n 个独立元素
UnionFind(int n) {
parent.resize(n);
rank.resize(n, 0);
for (int i = 0; i < n; ++i) {
parent[i] = i; // 每个节点初始指向自己
}
}
// 查找根节点,带路径压缩
int find(int x) {
if (parent[x] != x) {
parent[x] = find(parent[x]); // 路径压缩:直接连接到根
}
return parent[x];
}
// 合并两个集合,按秩合并优化
void unite(int x, int y) {
int rootX = find(x);
int rootY = find(y);
if (rootX == rootY) return; // 已在同一集合
// 按秩合并:把低秩树接到高秩树下
if (rank[rootX] < rank[rootY]) {
parent[rootX] = rootY;
} else if (rank[rootX] > rank[rootY]) {
parent[rootY] = rootX;
} else {
parent[rootY] = rootX;
rank[rootX]++;
}
}
// 判断两个元素是否属于同一集合
bool connected(int x, int y) {
return find(x) == find(y);
}
};
这两个优化策略显著提升并查集效率:
立即学习“C++免费学习笔记(深入)”;
经过这两种优化后,单次操作的平均时间复杂度接近 O(α(n)),其中 α 是阿克曼函数的反函数,增长极慢,可视为常数。
假设要判断无向图中边的连接是否会形成环,可以用并查集逐条处理边:
#include <iostream>
#include <vector>
using namespace std;
int main() {
int n = 5;
UnionFind uf(n);
// 添加边 (0,1), (1,2), (3,4)
uf.unite(0, 1);
uf.unite(1, 2);
uf.unite(3, 4);
cout << "0 和 2 连通吗?" << (uf.connected(0, 2) ? "是" : "否") << endl; // 是
cout << "0 和 3 连通吗?" << (uf.connected(0, 3) ? "是" : "否") << endl; // 否
uf.unite(2, 3);
cout << "0 和 4 连通了吗?" << (uf.connected(0, 4) ? "是" : "否") << endl; // 是
return 0;
}
并查集适合动态维护集合的合并与查询,代码简洁且效率高。在算法竞赛或工程中常用于:
可以根据需要扩展支持集合大小统计、删除操作(需更复杂结构)等功能。掌握基础实现后,灵活应用是关键。
基本上就这些。以上就是C++怎么实现一个并查集算法_C++算法设计与并查集实现的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号