owned this note   changed 5 months ago  
Published Linked with GitHub

Graph Theory & DSU

  • Graph Introducion
  • Disjoint Set(Union-Find)
  • Minimum Spanning Tree (kruskal)

名詞介紹

(以下內容也都會在資工其他領域學習到

  • 圖(graph)：由一些點與一些邊所組成，通常以 \(G=(V,E)\) 表示
  • 點(vertex)：節點，通常以 \(V\) 表示
  • 邊(edge)：連接兩點，通常以 \(E\) 表示，\(e=(u,v)\) 代表邊 \(e\) 連接 \(u,v\) 兩點，也就是 \(u,v\) 為 \(e\) 的端點

相關用語定義

  • 權重(weight)：指圖的點/邊附帶的數值
  • 點數/邊數：點/邊的數量，通常記為 \(V/E(n/m)\)
  • 有向邊：邊可以分為無向邊(雙向)與有向邊(單向)
  • 重邊(multiple edge)：指兩點之間有多條邊連接
  • 自環(self loop)：指兩端為同一點的邊 \(e=(u,u)\)
  • 度數(degree)：一個點所連接的邊的數量，若是有向邊則又分為出度與入度
  • 相鄰(adjacent)：指兩個點間有無向邊相連
  • 指向(consecutive)：有向邊的起點"指向"終點

更多的定義

  • 路徑(path)：從起始點到目標點上所經過的所有點，路徑上的點/邊皆可重複
  • 簡單路徑(track)：點不重複的路徑
  • 行跡(trace)：邊不重複的路徑
  • 迴路(circuit)：邊不重複且起終點相同的路徑
  • 環(cycle)：點不重複且起終點相同的路徑
  • 連通(connected)：\(u,v\) 連通若且唯若存在 \(u\) 到 \(v\) 或 \(v\) 到 \(u\) 的路徑，一群點連通代表這群點兩兩連通

各種圖的定義

  • 簡單圖(simple graph)：沒有重邊與自環的圖
  • 無向圖(undirected graph)：由無向邊組成的圖
  • 有向圖(directed graph)：由有向邊組成的圖
  • 連通圖(connected graph)：任兩點皆連通的圖
  • 樹(tree)：無向無環連通圖(其實也可以有向)
  • 森林(forest)：只由樹組成的圖。按照定義，一棵樹也是森林
  • 完全圖(complete graph)：任兩點都相鄰的圖

圖之間關係的定義

  • 子圖(subgraph)：邊/點皆為原圖的子集
  • 補圖(complement graph)：若兩張圖點集相同，邊集互斥且聯集為完全圖，則兩張圖互為補圖
  • 同構(isomorphic)：不考慮編號長的完全相同的圖
  • 生成樹(spanning tree)：點集相同且為樹的子圖

對於有根樹的定義

  • 父節點(parent node)：對於除了根以外的每個節點，定義為從該節點到根路徑上的第二個節點。 根節點沒有父節點
  • 祖先(ancestor)：一個節點到根節點的路徑上，除了它本身外的節點。 根節點的祖先集合為空
  • 後代(descendant)：子節點和子節點的後代
  • 子節點(child node)：如果 \(u\) 是 \(v\) 的父親，那麽 \(v\) 是 \(u\) 的子節點
  • 深度(depth)：到根節點的路徑上的邊數
  • 高度(height)：所有節點的深度的最大值
  • 子樹(subtree)：刪掉與父親相連的邊後，該節點所在的子圖

Disjoint Set (Union-Find) (DSU)

並查集，又稱不相交集資料結構

並查集是一種樹狀結構
處理集合問題，主要有以下兩個操作

  • 查詢元素所在集合(find)
  • 合併兩個集合(union)

並查集只需要用一個長度為 \(n\) 的陣列即可，
陣列內第 \(i\) 格存的值為第 \(i\) 個節點的父節點編號





int f[n];

f[3] // 節點 3 的父節點編號
f[5] // 節點 5 的父節點編號

根節點

如果一個點為根節點，他的父節點為自己 (f[x] == x)

以下圖為例， 1、6 為根節點

判斷集合

定義兩個相異元素如果屬於同一個集合，則兩個元素會在並查集的同一棵樹上

如何判斷在同一棵樹上?

find 函數

find 函數會找到某個節點 x 的根節點

如果兩個點的根節點相同，代表在同一棵樹上，
也就是屬於同一個集合

find(x) == find(y);

則 x 與 y 所屬同一個集合

find 函數






int find(int x){
    if ( x == f[x] )    // 如果當前節點為 f[x]==x
        return x;       // 則為根節點
    return find(f[x]);  
}

union 函數

如果有兩個節點 a, b 所在的集合想要合併成一個集合

做法為找到兩集合的根節點
將其中一個集合的根節點連到另外一個的根節點

以下圖為例

union 函數

合併 2 所在的的集合 跟 7 所在的集合
則先找到 2 的根節點 =1, 7 的根節點 =6
將其中一個根節點的父節點設為另一個根節點

則 7 所在的集合所有元素的根節點都會變成 1

union 函數

這邊合併的函數名稱不使用
因為 union 為關鍵字 (撞名內建函數）
因此名稱改用 merge









void merge(int x,int y)  // 合併 x, y 所在集合
{
    x = find(x);    // x 找到其根節點
    y = find(y);    // y 找到其根節點
    
    if(x != y)      // 如果 x,y 原本就屬於同一個集合則不需合併
        f[y]=x;     // 將其中一個根節點連到另一個
}

初始化

一開始每個元素皆屬於屬於不同集合
因此會將節點指向自己，因為這時候每個元素都是根節點







int f[N];
void init(){
    for(int i=0;i<n;i++)
        f[i] = i;    // 將每個元素根節點設為自己
    //或者也可以使用 iota(f, f+n, 0); 代替迴圈
}

完整程式碼














void init(){
    for(int i=0;i<n;i++) 
        f[i]=i;
}
int find(int x){
    if ( x == f[x] )    // 如果當前節點為 f[x]==x
        return x;       // 則為根節點
    return find(f[x]);  // 否則繼續往父節點方向找根節點
}
void merge(int x,int y){
    x=find(x), y=find(y);
    if(x!=y)    f[y]=x;
}

優化

在最差的情況下
合併後的集合的樹形有可能會變成一條鏈

\(\rightarrow\) find() 複雜度退化成 \(O(N)\)

以上圖為例，find(5) 需要跑完全部節點才能找到根節點

啟發式合併

Union by Rank

記錄每棵樹的大小，並在每次合併的時候，將小的集合合併到大的集合。

做法

宣告 sz 陣列，紀錄每個節點的為根的集合大小

在初始化的時候將每個集合大小 sz[i] 都設成 1







void init(){
    for(int i = 0; i < n; i++){
        f[i] = i;
        sz[i] = 1;
    }
}

當遇到合併操作時，將兩個集合合併成一個時

把小的集合往大的集合合併

找到根節點，根節點儲存整個集合的資訊
合併時，把小的集合的資訊加給大的集合









int f[N], sz[N];
void merge(int x, int y) {
    x = find(x), y = find(y);
    if(x==y)    return;
    if(sz[x] < sz[y]) swap(x, y); // 將 x 變成大的
    sz[x] += sz[y]; // 把集合 y 的大小加到集合 x
    f[y] = x;
}

分析

如果是原本的做法
假設有 \(n\) 個節點，合併 \(n - 1\) 次
每次合併都由大小為 \(i\) 的合併到大小為 \(1\) 的，樹就會長成最差的情況（鏈）
每次查詢會退化到 \(O(n)\)

分析

合併兩棵樹高不同的樹

兩個不同的集合合併，如果把樹高比較矮的連往比較高的，
合併後的樹高不會改變

而如果合併的兩個集合樹高相同，
或者高的往矮的合併，則合併後樹高會+1

每次把小的合併到大的方法，
稱之為啟發式合併

使用此方法的合併的樹，在最差情況下
為每次合併時，兩棵樹的樹高都相同

在樹高相同的情況下，會發現每次樹高要 + 1
所需節點數量會變 2 倍

因此 \(n\) 個節點時，使用啟發式合併樹高最高為 \(O(\log n)\)

優化 2

路徑壓縮

路徑壓縮

在每次 find() 的時候
把經過節點的父節點 全部設成根節點






int find(int x){
    if(f[x] == x)    return x;
    f[x] = find(f[x]);    // 直接將 x 的父節點設成根節點 
    return f[x];
}

呼叫 find(5) 會經過節點 5 4 3 2 1
將中間每個節點的父節點直接設為根節點

find(5)

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

\(\rightarrow\)

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

使用啟發式合併+路徑壓縮

能使得單次操作複雜度降到 \(O(\alpha(N))\)
\(O(\alpha(N))\) 趨近於 \(O(1)\)
(\(\alpha( 2^{2^{10^{19729}}} ) = 5\))

因此並查集操作複雜度 幾乎是常數時間

完整程式碼

要特別注意合併時，如果兩個元素本來就在同一個集合
要直接回傳，不要重複加到 sz (15行)




















int f[N], sz[N];
void init(){
    for(int i=0;i<n;i++) {
        f[i] = i;  sz[i] = 1;             
    }
}
int find(int x){
    if ( x == f[x] )    // 如果當前節點為 f[x]==x
        return x;       // 則為根節點
    f[x] = find(f[x]);
    return f[x];
}
void merge(int x, int y) {
    x = find(x), y = find(y);
    if(x==y)    return;
    if(sz[x] < sz[y]) swap(x, y); // 將 x 變成大的
    sz[x] += sz[y];
    f[y] = x;
}

紀錄集合資訊

如果題目為給定 \(n\) 個元素，每次操作為以下其中一種 :

  1. 查詢元素 \(x\) 所在的集合有幾個元素
  2. 合併元素 \(x, y\) 分別所在的集合

查詢集合大小

會發現集合大小在做啟發式合併時，
就已經記錄過此資訊 sz[] 了

查詢元素 \(x\) 所在的集合大小只需要找到 \(x\) 的集合的根節點，

sz[find(x)]

即為所在的集合的大小

如果題目需要求其他資訊，如集合內編號最小/大值等等，
則多為一個陣列 mn[]/mx[] 之類維護每個集合內的資訊

合併集合時，則把兩個集合內的資訊合併









void merge(int x){
    x = find(x); y = find(y);
    if(x == y)    return;
    if(sz[x] < sz[y])    swap(x, y);
    mn[x] = min(mn[x], mn[y]);
    mx[x] = max(mx[x], mx[y]);
    f[y] = x;
}

相異集合的數量

要找總共有幾個集合，
可以找總共有幾個根節點即可









int countComponent(){
    int ret = 0;
    for(int i = 0; i < n; i++){
        if(find(i) == i)
            ret++;
    }    
    return ret;
}

並查集在圖論上的意義

給一張 \(n\) 個節點的圖，一開始有 \(m\) 條邊，
接下來有 \(k\) 次操作，每次操作為新增一條邊，
每次操作完輸出最大的連通塊大小 ?

  • \(n, m, k\le 10^5\)

下圖為例，黑色為一開始的邊，
紅色為依序要加入的邊

當加完 1 號邊之後，最大連通塊大小為 5
當加完 2 號邊之後，最大連通塊大小為 5
當加完 3 號邊之後，最大連通塊大小為 6

連通塊意義

在同一個連通塊中，在並查集中代表在同一個集合。
因此我們可以用並查集維護整張圖誰跟誰連通。

在圖上邊 (x, y) ，相對於 merge(x, y) 操作

並查集應用

Almost-union-find

題序：一個有三種操作的並查集

  1. Union(x, y): 把元素 x , y 分別所在集合合併成同一集合
  2. Move(x, y): 將元素 x 移動到元素 y 所在的集合
  3. Return(x):詢問元素 x 所在的集合內元素個數與元素編號總和
  • \(1\le n, m\le 10^5\)

可以發現操作 1、3 都是正常的並查集操作
只需要在 merge 的時候維護總和(sum)跟大小(sz)

void merge(int x, int y){
    x = find(x); y = find(y);
    if(x == y)    return;
    if(sz[x] < sz[y])    swap(x, y);
    sz[x] += sz[y];
    num[x] += num[y];
    f[y] = x;
}

而操作 2 比較不一樣，需要做到刪除的操作。

我們可以從兩種情況來看刪除

  1. 移除的是葉節點
  2. 移除的不是葉節點

1. 移除的是葉節點

在這個情況下，我們只要將根節點記錄大小跟總和的變數把這個節點減掉即可。

2. 移除的不是葉節點

感覺很麻煩，我也不會

捨棄原本的節點

每次詢問，需要回傳集合內元素個數與元素編號總和
把元素 \(x\) 移除，其實只需把 \(x\) 儲存在集合內的資訊移除即可






void remove(int x){
    root = find(x);
    sz[root]--;
    sum[root] -= x;
}

移除後，原本的節點就不重要了。

加入到新的集合中

要將 \(x\) 加入新集合，可以先給 \(x\) 一個新的編號 \(newid\)
來代表數字 \(x\)

因此我們需要開一個陣列 id[] 維護每個元素當前代表的編號，
並初始化新編號的 sz[], num[]

換新編號 & 合併 x 與 y 的集合

void add(int x){
    f[id[x]] = id[x] = newid++;
    sz[id[x]] = 1;
    sum[id[x]] = x;
}

remove(x);
add(x);
merge(id[x], id[y]);

反著做回來的題目

例題

題序：給一張 \(n\) 個點、\(m\) 條邊的圖，
要做 \(q\) 次操作，每次將一條邊拔掉

求每次拔掉後還有多少塊連通塊？

範圍： \(n, m, q\le 10^6\)

做法

每次刪除後看有幾個連通塊需要花 \(O(n + m)\) 的時間

而我們有 \(q\) 次詢問，很明顯不能這樣做

那這題要怎麼用並查集維護連通塊呢？

做法

如果將刪除變成合併，就跟原本 3-34 的題目類似了?

因此我們可以將操作反過來做

從後往前做，可以發現這樣子操作就從刪除變成合併了！

最小生成樹
Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

「生成樹」。從一張圖取出一棵樹，包含圖上所有點。可能有許多種。
而最小生成樹是其中所有的生成樹中，權重總和最小的。

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

Kruskal' algorithm

greedy method , 將所有邊照權重大小排序，從權重小的邊開始窮舉，依序窮舉到大，
當邊兩側的節點原本不連通就加邊，否則就捨棄這條邊

這個做法是對的，但為什麼是對的 🤔

證明

生成樹的一個性質：

對於兩個生成樹 \(T_1\) 與 \(T_2\) 和一條邊 \(e \in T_1 \backslash T_2\)
存在 \(e_2 \in T_2 \backslash T_1\) 使得 \((T_2\backslash \{e_2\})\cup \{e_1\}\) 依然是生成樹。

從 \(T_1\) 拿出一條邊加入 \(T_2\) 後，\(T_2\) 會形成一個環，此時移除環上任一邊即可讓 \(T_2\) 有 \(n-1\) 條邊連通，這個時候 \(T_2\) 也還會是一棵樹。

Kruskal' algorithm 的證明：

令Kruskal演算法找到的生成樹為 \(T\)，而最小生成樹為 \(T^*\)

如果有多個最佳解，令 \(T^*\) 為與 \(T\) 交集最大的一個。

如果 \(T=T^*\) 就結束了，否則，令 \(e_i\) 是只出現在 \(T\) 的邊且編號最小

根據上面的性質，存在 \(e_j \in T^* \backslash T\) 使得 \(T^*\) 把 \(e_j\) 換出去再把 \(e_i\) 放進來仍是一棵生成樹。

假如 \(i < j\)，那 \(e_i\) 的權重 \(\leq e_j\) 的權重。但由於\(T^*\)是最小生成樹，這樣做出來的 \(T\) 的權重會跟 \(T^*\) 一樣(或更小)，但是與\(T\)的交集比 \(T^*\) 大，矛盾。

假如 \(i > j\)，由於比 \(j\) 前面的邊都在 \(T\) 與 \(T^*\) 中，根據 Kruskal 演算法的特性，在遇到 \(e_j\) 時就會把 \(e_j\) 加入 \(T\) 中了，矛盾。

故得證 \(T=T^*\)

image alt

加入邊

使用並查集，一開始所有點都沒連任何邊
因此所有點都屬於自己的集合
當兩個點有連邊，代表他們屬於同一個集合
因此可以用並查集判斷，判斷是否已經為同一個集合

結構

使用 struct 儲存邊 (邊的兩個端點 u, v、權重 w)

多載 < 小於運算子，使用邊權重比較兩條邊的大小關係









struct Edge{   
    int u, v, w;    // 點 u 連到點 v 並且邊權為 w
    bool operator<(const Edge& rhs){
        return w < rhs.w;    //兩條邊比較大小用邊權比較
    }
};

Edge graph[200005];    // 宣告 Edge 型態的陣列 graph

程式碼

將邊照大小依序嘗試加入圖中，
如果邊的兩點未連通，則連通兩點













sort(graph,graph+m); // 將邊照大小排序
int ans=0;

for(int i=0;i<m;i++){                        //>:)
    if(find(graph[i].u) != find(graph[i].v)){ // 如果兩點未聯通
        merge(graph[i].u,graph[i].v);    // 將兩點設成同一個集合
        ans += graph[i].w;    // 權重加進答案
        if(sz[find(graph[i].u)]==n) break; //當並查集大小等價於樹內點的數量
    }
}

cout<<ans<<endl;

瓶頸生成樹

令 \(T_i\) 是這張圖的所有生成樹，會有樹 \(T^*\) 它的最大邊權值為所有 \(T_i\) 的最小

性質:
最小生成樹是瓶頸生成樹的充分不必要條件。
即最小生成樹一定是瓶頸生成樹，而瓶頸生成樹不一定是最小生成樹。

複雜度分析

依照權重排序所有邊 \(O(M\log M)\)

窮舉每條邊加入 \(O(M\cdot \alpha (N))\)

-> 總複雜度 \(O(M\log M)\)

Question Time and Practice

https://vjudge.net/contest/661401

Select a repo