并查集原理、实现与优化全解析

1. 并查集基础概念与实现

并查集（Disjoint Set Union，DSU）是一种处理不相交集合合并及查询问题的数据结构。它主要支持两种操作：查找（Find）和合并（Union）。我在实际项目中多次使用这种数据结构解决网络连通性问题，它的高效性常常让人惊喜。

1.1 核心操作原理

并查集的核心思想是用树结构表示集合，其中每个节点指向其父节点。根节点指向自己，代表这个集合的标识。Find操作通过递归查找父节点直到根节点，Union操作则将两个集合的根节点连接。

python复制class DSU:
    def __init__(self, n):
        self.parent = [i for i in range(n)]
    
    def find(self, x):
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])  # 路径压缩
        return self.parent[x]
    
    def union(self, x, y):
        rootX = self.find(x)
        rootY = self.find(y)
        if rootX != rootY:
            self.parent[rootX] = rootY

注意：路径压缩技术使Find操作接近O(1)时间复杂度，这是并查集高效的关键。

1.2 实际应用场景

我在处理社交网络好友关系时使用过并查集。比如判断两个人是否属于同一个朋友圈，或者合并两个朋友圈。算法竞赛中常见的应用包括：

• 判断图中两个节点是否连通
• Kruskal算法中的最小生成树构建
• 图像处理中的像素区域合并

2. 种类并查集进阶应用

种类并查集（也叫扩展域并查集）能处理更复杂的关系类型，比如敌人的敌人是朋友这种逻辑。我在解决"食物链"问题时深刻体会到了它的强大。

2.1 实现原理

基本思路是为每个元素创建多个"分身"，代表不同种类或状态。对于大小为n的问题，我们通常需要2n或3n的空间：

python复制class KindD