深入理解并查集(Disjoint Set Union)，并利用其解决相关问题

最新推荐文章于 2026-06-26 09:21:33 发布

原创

最新推荐文章于 2026-06-26 09:21:33 发布 · 3.4k 阅读

本文详细介绍了并查集数据结构的基本概念、应用场景、实现原理及其优化方法，并提供了具体实例代码。

一、什么是并查集？

首先字面意思是把相互联系的元素通过特定查询组成一个集合。规范化解释：并查集，在一些有N个元素的集合应用问题中，我们通常是在开始时让每个元素构成一个单元素的集合，然后按一定顺序将属于同一组的元素所在的集合合并，其间要反复查找一个元素在哪个集合中。

二、并查集应用场景:

1. 图的连通性，可以用来判断哪些节点是连通的。也可以知道一个图一共能被分成几个相互独立的块。
2. 区间类问题
3. 连续子序列问题
4. 经典最小生成树算法：Kruskal 算法
5. 等等… 后期补充

总而言之，凡是涉及到元素的分组管理问题，都可以考虑使用并查集进行维护。

这一类问题近几年来反复出现在信息学的国际国内赛题中。其特点是看似并不复杂，但数据量极大，若用正常的数据结构来描述的话，往往在空间上过大，计算机无法承受；即使在空间上勉强通过，运行的时间复杂度也极高，根本就不可能在比赛规定的运行时间（1～3秒）内计算出试题需要的结果，只能用并查集来描述。

三、并查集详解：

先引入一道经典例题： 洛谷 P1551 亲戚
在这里插入图片描述
输入样例：

输出样例：

Yes
Yes
No

看到这道题，我的第一想法就是按每个人之间的联系建立邻接表，然后进行dfs遍历，每次dfs以后把结果存起来。当判断两个人是否是亲戚关系时，就在刚才存的dfs的所有集合中找两个人是否在同一集合，如果在则说明是亲戚，否则不是。

实现代码：

#include <bits/stdc++.h>
using namespace std;

int n,m,p;
int x,y;
vector<vector<int>> relationship(10000);
int vis[10000] = {
   
   0};
vector<vector<int>> v;

void dfs(int start, vector<int> &v) {
   
   
    vis[start] = 1;
    for (int i = 0; i < relationship[start].size(); ++i) {
   
   
        if (vis[relationship[start][i]] == 0) {
   
   
            v.push_back(relationship[start][i]);
            dfs(relationship[start][i], v);
        }
    }
}

int main() {
   
   
    ios::sync_with_stdio(false);
    cin.tie();cout.tie();
    
    cin>>n>>m>>p;

    // 建立邻接表
    for (int i = 0; i < m; ++i) {
   
   
        cin>>x>>y;
        relationship[x].push_back(y);
        relationship[y].push_back(x);
    }

    // dfs 深度搜索
    for (int i = 1; i <= n; ++i) {
   
   
        if (vis[i] == 1) continue;
        vector<int> a; // 存储每次dfs的结果
        a.push_back(i);
        dfs(i, a