复杂版并查集：原理、实现与应用场景解析

1. 并查集基础概念回顾

在正式探讨复杂版并查集之前，我们需要先夯实基础。并查集（Disjoint Set Union，DSU）是一种树型的数据结构，用于处理一些不交集合（Disjoint Sets）的合并及查询问题。它支持两种基本操作：

• Find：查询元素所属集合
• Union：合并两个元素所属集合

基础版的并查集通常使用数组或哈希表来实现，每个节点存储其父节点引用，通过路径压缩和按秩合并两种优化策略，可以将操作时间复杂度降至接近常数级别。这种数据结构在解决连通性问题时表现出色，比如判断图中两个节点是否连通、计算连通分量数量等场景。

实际工程中，基础并查集的实现往往不超过50行代码，但其算法思想却非常精妙。我在第一次实现时，花了整整三天才真正理解路径压缩的精髓。

2. 复杂版并查集的核心扩展

当问题场景变得更加复杂时，基础并查集就显得力不从心了。复杂版并查集主要在以下几个方面进行了扩展：

2.1 带权并查集

基础并查集只能判断元素是否属于同一集合，而带权并查集可以维护集合内元素之间的某种关系。比如在解决"食物链"问题时，我们需要记录动物之间的捕食关系。实现上，我们在每个节点除了存储父节点外，还存储与父节点之间的权值关系。

python复制class WeightedDSU:
    def __init__(self, size):
        self.parent = [i for i in range(size)]
        self.weight = [0] * size  # 存储与父节点的关系
    
    def find(self, x):
        if self.parent[x] != x:
            origin_parent = self.parent[x]
            self.parent[x] = self.find(self.parent[x])  # 路径压缩
            self.weight[x] += self.weight[origin_parent]  # 权值累积
        return self.parent[x]
    
    def union(self, x, y, w):
        r