1. 并查集基础概念与核心价值并查集Disjoint Set Union简称DSU是我在算法竞赛和工程实践中使用频率最高的数据结构之一。它本质上是一种树形的数据结构主要用于处理不相交集合的合并与查询问题。第一次接触这个概念是在解决网络连通性问题时当时就被它简洁高效的特性所吸引。并查集最核心的能力可以用三个字概括查、并、判。它能快速判断两个元素是否属于同一集合查高效合并两个不相交的集合并以及实时查询某个元素所属的集合代表元判。这种特性使得它在处理图论中的连通分量、社交网络的好友关系、游戏中的像素连通区域等问题时表现出色。实际应用中标准的并查集主要包含两个基本操作Find(x)查找元素x所在集合的代表元Union(x, y)合并元素x和y所在的集合我最早实现的版本是这样的Python示例class DSU: def __init__(self, n): self.parent list(range(n)) def find(self, x): while self.parent[x] ! x: x self.parent[x] return x def union(self, x, y): x_root self.find(x) y_root self.find(y) if x_root ! y_root: self.parent[y_root] x_root这个基础版本虽然简单但在实际应用中会遇到性能问题。比如当集合形成长链时find操作的时间复杂度会退化到O(n)。这也是为什么我们需要优化技巧——路径压缩和按秩合并。2. 并查集模板实现与优化技巧2.1 路径压缩优化路径压缩是我在ACM竞赛中学到的第一个优化技巧。它的核心思想是在执行find操作时将查找路径上的所有节点直接指向根节点从而 flatten 树的结构。优化后的find函数是这样的def find(self, x): if self.parent[x] ! x: self.parent[x] self.find(self.parent[x]) # 递归压缩路径 return self.parent[x]这种优化虽然增加了单次find操作的时间但使得后续操作几乎可以达到常数时间复杂度。在实际测试中对100万个元素的随机合并查询操作优化后的版本比基础版本快30倍以上。2.2 按秩合并策略另一个重要优化是按秩合并Union by Rank。我们额外维护一个rank数组记录每个根的树高。合并时总是将较矮的树合并到较高的树下class DSU: def __init__(self, n): self.parent list(range(n)) self.rank [0] * n def union(self, x, y): x_root self.find(x) y_root self.find(y) if x_root y_root: return if self.rank[x_root] self.rank[y_root]: self.parent[x_root] y_root else: self.parent[y_root] x_root if self.rank[x_root] self.rank[y_root]: self.rank[x_root] 1这种策略保证了树的高度始终控制在O(log n)以内。结合路径压缩后单次操作的平均时间复杂度可以降到接近O(α(n))其中α是阿克曼函数的反函数对于任何实际应用都可以认为是常数时间。注意在实际编码中我习惯将路径压缩和按秩合并一起使用。但要注意rank数组在路径压缩后不再精确表示树高而更像是一个秩的估计值。3. 并查集的高级变种与应用3.1 带权并查集实现在处理某些问题时我们需要在并查集中维护额外的信息。比如在解决食物链这类问题时需要记录节点之间的相对关系。这时就需要带权并查集class WeightedDSU: def __init__(self, n): self.parent list(range(n)) self.weight [0] * n # 记录到父节点的权重 def find(self, x): if self.parent[x] ! x: orig_parent self.parent[x] self.parent[x] self.find(self.parent[x]) # 路径压缩 self.weight[x] self.weight[orig_parent] # 权重累加 return self.parent[x] def union(self, x, y, w): # w表示x-y的权值 x_root self.find(x) y_root self.find(y) if x_root y_root: return # 合并时调整权重 self.parent[y_root] x_root self.weight[y_root] self.weight[x] - self.weight[y] w这种带权并查集在解决差分约束、相对关系等问题时非常有用。我曾经用它高效解决了一个分布式系统中的数据一致性问题。3.2 可删除节点的并查集标准并查集不支持删除操作但在某些场景下这是必须的。实现可删除节点的技巧是引入虚节点的概念class RemovableDSU: def __init__(self, n): self.parent list(range(2 * n)) # 实际节点和虚节点 self.actual list(range(n)) # 实际节点映射 self.capacity n def find(self, x): # 通过实际节点映射找到当前有效节点 x self.actual[x] while self.parent[x] ! x: self.parent[x] self.parent[self.parent[x]] # 路径压缩 x self.parent[x] return x def delete(self, x): # 创建新节点代替被删除节点 new_node self.capacity self.capacity 1 self.parent.append(new_node) # 新节点的父节点是自己 self.actual[x] new_node # 更新映射这种实现虽然增加了空间复杂度但保证了删除操作的正确性。我在一个动态图连通性问题中就采用了类似方案。4. 并查集的实战应用案例4.1 朋友圈关系分析社交网络中的好友关系非常适合用并查集建模。假设我们需要计算社交网络中的朋友圈数量彼此直接或间接认识的人组成一个朋友圈def friend_circles(M): if not M: return 0 n len(M) dsu DSU(n) for i in range(n): for j in range(i1, n): if M[i][j] 1: # i和j是朋友 dsu.union(i, j) # 统计不同根的数量 return len({dsu.find(i) for i in range(n)})这个算法的时间复杂度是O(n²α(n))比DFS/BFS的O(n²)稍慢但代码更简洁。在实际工程中当n很大时比如上亿用户我们会使用更优化的并行版本。4.2 图像连通区域标记在计算机视觉中并查集常用于连通区域标记。以下是一个二值图像的连通组件标记实现def connected_components(image): h, w image.shape dsu DSU(h * w) # 第一遍扫描处理相邻像素 for i in range(h): for j in range(w): if image[i][j] 0: # 背景像素 continue current i * w j # 检查上方和左方像素 for di, dj in [(-1,0), (0,-1)]: ni, nj i di, j dj if 0 ni h and 0 nj w and image[ni][nj] 1: neighbor ni * w nj dsu.union(current, neighbor) # 第二遍扫描分配标签 labels {} current_label 0 output np.zeros_like(image) for i in range(h): for j in range(w): if image[i][j] 0: continue root dsu.find(i * w j) if root not in labels: labels[root] current_label current_label 1 output[i][j] labels[root] 1 # 标签从1开始 return output, current_label这个算法只需要两遍图像扫描就能完成连通区域标记比递归的DFS/BFS方法更适合处理大图像。5. 并查集常见问题与调试技巧5.1 初始化陷阱新手常犯的错误是错误初始化parent数组。正确的做法是让每个节点初始时指向自己# 正确初始化 self.parent [i for i in range(n)] # 错误初始化所有节点初始指向0 self.parent [0] * n # 这样会导致所有节点被认为属于同一集合5.2 路径压缩与按秩合并的冲突虽然路径压缩和按秩合并通常可以一起使用但在某些特殊情况下可能会有问题。比如当需要精确维护树的高度信息时如某些证明题路径压缩会破坏高度的准确性。这时就需要根据具体需求选择优化策略。5.3 带权并查集的权重维护实现带权并查集时权重的更新顺序非常重要。一个常见的错误是在路径压缩时错误计算权重# 错误实现权重更新顺序反了 def find(self, x): if self.parent[x] ! x: self.weight[x] self.weight[self.parent[x]] # 先更新权重 self.parent[x] self.find(self.parent[x]) # 再路径压缩 return self.parent[x]正确的顺序应该是先递归压缩路径再更新权重如3.1节的实现。5.4 性能测试与验证在实现并查集后我通常会使用以下测试用例验证正确性测试初始状态下每个元素都是独立的集合测试合并操作后相关元素确实属于同一集合测试不相关元素确实属于不同集合测试大量随机操作后的性能表现一个简单的压力测试方法import random import time n 10**6 dsu DSU(n) start time.time() for _ in range(2 * n): op random.choice([find, union]) x, y random.randint(0, n-1), random.randint(0, n-1) if op find: _ dsu.find(x) else: dsu.union(x, y) print(fTime: {time.time() - start:.2f}s)优化良好的并查集应该能在1秒内完成百万级别的操作。