Quick union improvements1: weighting

为了防止生成高的树，将smaller tree放在larger tree的下面（smaller 和larger是指number of objects）,而不是将larger tree放在smaller tree的下面(如上图中的第一种情况)

Examples: quick-union & weighted quick-union

从上面的这个例子可以看到用quick-union时的树的高度很大，而用weighted quick-union时，树的高度要小得多。

Java代码的实现weighted quick-union

数据结构与quick-union相似，用数组来表示，不同的是多了一个表示以该结点为root的objects的个数的数组=>sz[n]

在union中对这个sz[n]进行修改操作，合并时要修改相应root的objects的个数

没有增加多少代码，但是却大大的提升了算法的性能

weighted quick-union性能分析

Find和union都是O(lgN)，树高度最坏的情况下为lgN

如果N为1000,则lgN=10,N=106，则lgN=20,可以看出随着N的增大，lgN要远远小于N，即lgN的性能要比N要好很多

weighted quick-union性能分析:为什么是lgN

数学归纳法：

weighted quick-union性能分析比较

性能还有提高的空间吗？=>path compression

 improvements2: Path compression

如上图所示，将寻找P的root时所经过的所有的结点，都直接指向root,这样树就会变平。

Path compression：用java实现,在root函数里面

我们仅仅只需要一行代码(白色的部分)就可以基本实现将树变平,这行代码是将node指向它的祖父母(grandnparents)。

虽然它并没有像上上个图那样完全将树变平，但是实际使用过程中，这种方法已经足够好了（keeps tree almost completely flat）。

weighted quick-union with path compression

lg*N是指对N做lg操作到1所要进行的次数（迭代次数）

lg*N最大不会超过5因为265536是5

实际操作中，WQUPC接近于线性的。

几种算法的性能对比

当我们使用WQUPC算法时，对于大型的复杂的问题带来的性能提升是supercomputer也不能带来的。(运行30年与运行6秒相比较)

Union-Find(并查集): Quick union improvements的更多相关文章

  1. Union-Find(并查集): Quick union算法

    Quick union算法 Quick union: Java implementation Quick union 性能分析 在最坏的情况下,quick-union的find root操作cost( ...

  2. 第三十一篇 玩转数据结构——并查集（Union Find）

    1.. 并查集的应用场景 查看"网络"中节点的连接状态,这里的网络是广义上的网络 数学中的集合类的实现   2.. 并查集所支持的操作 对于一组数据,并查集主要支持两种操作:合并两 ...

  3. 并查集（Union Find）的基本实现

    概念 并查集是一种树形的数据结构,用来处理一些不交集的合并及查询问题.主要有两个操作: find:确定元素属于哪一个子集. union:将两个子集合并成同一个集合. 所以并查集能够解决网络中节点的连通 ...

  4. 并查集 （Union Find ） P - The Suspects

    Severe acute respiratory syndrome (SARS), an atypical pneumonia of unknown aetiology, was recognized ...

  5. <算法><Union Find并查集>

    Intro 想象这样的应用场景:给定一些点,随着程序输入,不断地添加点之间的连通关系(边),整个图的连通关系也在变化.这时候我们如何维护整个图的连通性(即判断任意两个点之间的连通性)呢? 一个比较简单 ...

  6. Union-Find(并查集): Quick find算法

    解决dynamic connectivity的一种算法:Quick find Quick find--Data sturcture 如果两个objects是相连的,则它们有相同的array value ...

  7. 并查集(Union/Find)模板及详解

    概念: 并查集是一种非常精巧而实用的数据结构,它主要用于处理一些不相交集合的合并问题.一些常见的用途有求连通子图.求最小生成树的Kruskal 算法和求最近公共祖先等. 操作: 并查集的基本操作有两个 ...

  8. Union-find 并查集

    解决问题 给一系列对点0~N-1的连接,判断某两个点p与q是否相连. private int[] id; // 判断p和q是否属于同一个连通分量 public boolean connected(in ...

  9. 谈一谈并查集QAQ（上）

    最近几日理了理学过的很多oi知识...发现不知不觉就有很多的知识忘记了... 在聊聊并查集的时候顺便当作巩固吧.... 什么是并查集呢? ( Union Find Set ) 是一种用于处理分离集合的 ...

随机推荐

  1. （转）面试前必知Redis面试题—缓存雪崩+穿透+缓存与数据库双写一致问题

    背景:redis问题在面试过程中经常被问到,对于常见问题一定不能放过. 面试前必知Redis面试题—缓存雪崩+穿透+缓存与数据库双写一致问题 一.缓存雪崩 1.1什么是缓存雪崩? 如果缓存数据设置的过 ...

  2. 【vim小记】vim的高效移动

    我还是推荐所有刚入门vim的朋友先去用vimtutor练习,然后去看vim的帮助文档,写的十分仔细,而且可以马上实战,见效很快,以下的很多示意图都是vim帮助文档里的例子,我觉得很好,就拿出来了. v ...

  3. 函数的学习1——定义函数&传递实参——参考Python编程从入门到实践

    定义函数 def greet_user(): print("Hello") greet_user() # PEP8 函数和类的定义后空两行 1. 向函数传递参数 def greet ...

  4. python基础 — 参数组合

    参数组合 >>>def f1(a, b, c=0, *args, **kw): ... print('a =', a, 'b =', b, 'c =', c, 'args =', a ...

  5. LOJ3120 CTS2019 珍珠 生成函数、二项式反演、NTT

    传送门 题目大意:给出一个长度为\(n\)的序列\(a_i\),序列中每一个数可以取\(1\)到\(D\)中的所有数.问共有多少个序列满足:设\(p_i\)表示第\(i\)个数在序列中出现的次数,\( ...

  6. JAVA MyBybatis分页

    java: import java.sql.Connection; import java.sql.PreparedStatement; import java.sql.ResultSet; impo ...

  7. Linux用户管理的基本概念

    Linux系统如何区别不同的用户呢?可以很自然地想到,使用不同的用户名应该是一个好主意,就像真实世界中每个人都有名字一样.但“用户名”只是一种方便让人读的字符串,对机器来说是没有意义的.事实上,Lin ...

  8. java之hibernate之基于外键的一对一单向关联映射

    这篇讲解基于外键的一对一单向关联映射 1.考察如下信息,人和身份证之间是一个一对一的关系.表的设计 注意:基于外键的一对一关联的表结构和多对一的表结构是一致的,但是,外键是唯一的. 2.类的结构 Pe ...

  9. chocolatey install curl and netcat

    chocolatey install curl and netcat 软件仓库 https://chocolatey.org/packages choco install curl choco ins ...

  10. Mongodb 学习笔记(一)

    MongoDB 是一款开源.跨平台.分布式,具有大数据处理能力的文档存储数据库.在 2007 年由 MongoDB 软件公司开发完成,并实现全部代码源发展.目 前,该文档数据库被国内外众多知名网因所采 ...