并查集：
并查集，一种树型的数据结构，处理一些不相交集合的合并及查询问题。比方问题：某个家族人员过于庞大，要推断两个人是否是亲戚，不太easy。现给出某个亲戚关系图，求随意给出的两个人是否具有亲戚关系。 规定：x和y是亲戚，y和z是亲戚，那么x和z也是亲戚。假设x,y是亲戚，那么x的亲戚都是y的亲戚，y的亲戚也都是x的亲戚。
从基本实现集合的结构出发：
1.单纯的高速查找：
若id同样则在一个集合中，下图中，（ 2， 3， 4， 9 ）为一集合， 3 和 6 不在一个集合中
合并集合时，需逐个比較将两个要合并的集合里的元素 id 统一，慢
缺陷：
合并慢
==================================================
2.单纯的高速合并：
上图，3 的祖先是 9, 5 的祖先是 6，则 3 和 5 不在一个集合中。
若要合并 3 和 5 所在集合，则随意选择一个集合的祖先接到还有一个集合的祖先上去，其它节点信息不动。
例如以下合并 3， 5：
高速合并的过程图：
缺陷：
树增高，退化成链表。
===================================================
3.按重合并：
将节点数小的集合拼接到节点数大的集合中去，仅仅改动小集合的根节点的父亲，其它节点父亲不动。按重合并能保证树的平缓增长。
==================================================
4.路径压缩：
如若找 9 的祖先，则从 9 到 0 的路径上的全部节点拼接到0上面。
=================================================
5.按重合并 加上 路径压缩（并查集）：
过程图例如以下
C++ 代码：
#include <iostream>
#include <string.h>
using namespace std;
#define NODE_SIZE 100
int set_weights[NODE_SIZE];
int parent[NODE_SIZE];
void init(){
for( int i = 0; i < NODE_SIZE; ++i ){
set_weights[i] = 1;
parent[i] = i;
}
}
// 寻找改点的祖先 当该点的值 等于 本身的父亲 才是集合的根，返回
int find_ancestor( int i ){
if( i != parent[i] )
parent[i] = find_ancestor( parent[i] );
return parent[i];
}
void merge_set( int a, int b ){
int set_a = find_ancestor( a );
int set_b = find_ancestor( b );
if( set_a == set_b )
return;
// 将重量小的集合拼接到重量大的集合上
if( set_weights[set_a] >= set_weights[set_b] ){
set_weights[set_a] += set_weights[set_b];
// 更新重量小的集合的根的父亲
parent[set_b] = set_a;
}
else{
set_weights[set_b] += set_weights[set_a];
parent[set_a] = set_b;
}
}
int main(){
init();
merge_set( 3, 4 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 4, 9 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 8, 0 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 2, 3 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 5, 6 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 5, 9 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 7, 3 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 4, 8 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
cout << endl;
merge_set( 6, 1 );
for( int i = 0; i <= 9; ++i )
cout << parent[i] << " ";
}
执行结果：
应用：
一个非常经典的物理模型， N * N 的格子，每一个格子有两种状态vacant“空白”或者occupied“被占用”，网格能被过滤，当且仅当顶部和底部能被“vacant”状态的格子链接。例如以下，蓝色的是“空白”，白色的是“占用”，则第一幅图是能过滤的，第二幅图是不能被过滤的。
如今知道vacant状态的格子在图中出现的概率 P* 可以影响到图是否能被过滤，如今要求 P*。
P < P* ，差点儿都不能被过滤，
P > P* ，差点儿都能被过滤。
（这个问题乍一看和Union-Find没什么关系）
但可这么做：
1.将格子所有初始化为被占用
2.实现 make_site_vacant() 操作，用于将邻接的格子用 Union 操作联系在一起
3.让全部处于顶部和底部的格子变为vacant
4.再随机将其它的格子变为vacant，直到可以find( 顶部，底部 )
5.估算出P*
