更新 03.05.01 并查集 相关图片、图片标题

Author: itcharge

docs/ch03/03.05/03.05.01-Union-Find.md

@@ -40,17 +40,21 @@
 
 在使用「快速查询」思路实现并查集时，我们可以使用一个「数组结构」来表示集合中的元素。数组元素和集合元素是一一对应的，我们可以将数组的索引值作为每个元素的集合编号，称为 $id$。然后可以对数组进行以下操作来实现并查集：
 
-- **当初始化时**：将每个元素的集合编号初始化为数组下标索引。则所有元素的 $id$ 都是唯一的，代表着每个元素单独属于一个集合。
+- **当初始化时**：将数组下标索引值作为每个元素的集合编号。所有元素的 $id$ 都是唯一的，代表着每个元素单独属于一个集合。
 - **合并操作时**：需要将其中一个集合中的所有元素 $id$ 更改为另一个集合中的 $id$，这样能够保证在合并后一个集合中所有元素的 $id$ 均相同。
 - **查找操作时**：如果两个元素的 $id$ 一样，则说明它们属于同一个集合；如果两个元素的 $id$ 不一样，则说明它们不属于同一个集合。
 
-举个例子来说明一下，我们使用数组来表示一系列集合元素 $\left\{ 0 \right\}, \left\{ 1 \right\}, \left\{ 2 \right\}, \left\{ 3 \right\}, \left\{ 4 \right\}, \left\{ 5 \right\}, \left\{ 6 \right\}, \left\{ 7 \right\}$，初始化时如下图所示。从下图中可以看出：元素的集合编号就是数组的索引值，代表着每个元素属于一个集合。
+举个例子来说明一下，我们使用数组来表示一系列集合元素 $\left\{ 0 \right\}, \left\{ 1 \right\}, \left\{ 2 \right\}, \left\{ 3 \right\}, \left\{ 4 \right\}, \left\{ 5 \right\}, \left\{ 6 \right\}, \left\{ 7 \right\}$，初始化时如下图所示。
 
-![](../../images/20220505145234.png)
+![基于数组实现：初始化操作](../../images/20240513150949.png)
 
-当我们进行一系列的合并操作后，比如合并后变为 $\left\{ 0 \right\}, \left\{ 1, 2, 3 \right\}, \left\{ 4 \right\}, \left\{5, 6\right\}, \left\{ 7 \right\}$，合并操作的结果如下图所示。从图中可以看出，在进行一系列合并操作后，下标为 $1$、$2$、$3$ 的元素集合编号是一致的，说明这 $3$ 个 元素同属于一个集合。同理下标为 $5$ 和 $6$ 的元素则同属于另一个集合。
+从上图中可以看出：数组的每个下标索引值对应一个元素的集合编号，代表着每个元素单独属于一个集合。
 
-![](../../images/20220505145302.png)
+当我们进行一系列的合并操作后，比如合并后变为 $\left\{ 0 \right\}, \left\{ 1, 2, 3 \right\}, \left\{ 4 \right\}, \left\{5, 6\right\}, \left\{ 7 \right\}$，合并操作的结果如下图所示。
+
+![基于数组实现：合并操作](../../images/20240513151310.png)
+
+从上图中可以看出，在进行一系列合并操作后，下标为 $1$、$2$、$3$ 的元素集合编号是一致的，说明这 $3$ 个元素同属于一个集合。同理下标为 $5$ 和 $6$ 的元素则同属于另一个集合。
 
 在快速查询的实现思路中，单次查询操作的时间复杂度是 $O(1)$，而单次合并操作的时间复杂度为 $O(n)$（每次合并操作需要遍历数组）。两者的时间复杂度相差得比较大，完全牺牲了合并操作的性能。因此，这种并查集的实现思路并不常用。
 
@@ -94,17 +98,41 @@ class UnionFind:
 
 总结一下，我们可以对数组 $fa$ 进行以下操作来实现并查集：
 
-- **当初始化时**：将每个元素的集合编号初始化为数组 $fa$ 的下标索引。所有元素的根节点的集合编号不一样，代表着每个元素单独属于一个集合。
+- **当初始化时**：将数组 $fa$​ 的下标索引作为每个元素的集合编号。所有元素的根节点的集合编号都不一样，代表着每个元素单独属于一个集合。
 - **合并操作时**：需要将两个集合的树根节点相连接。即令其中一个集合的树根节点指向另一个集合的树根节点（`fa[root1] = root2`），这样合并后当前集合中的所有元素的树根节点均为同一个。
 - **查找操作时**：分别从两个元素开始，通过数组 $fa$ 存储的值，不断递归访问元素的父节点，直到到达树根节点。如果两个元素的树根节点一样，则说明它们属于同一个集合；如果两个元素的树根节点不一样，则说明它们不属于同一个集合。
 
-举个例子来说明一下，我们使用数组来表示一系列集合元素 $\left\{0\right\}, \left\{ 1 \right\}, \left\{ 2 \right\}, \left\{ 3 \right\}, \left\{ 4 \right\}, \left\{ 5 \right\}, \left\{ 6 \right\}, \left\{ 7 \right\}$，初始化时如下图所示。从下图中可以看出：元素的集合编号就是数组 $fa$ 的索引值，代表着每个元素属于一个集合。
+举个例子来说明一下，我们使用数组来表示一系列集合元素 $\left\{0\right\}, \left\{ 1 \right\}, \left\{ 2 \right\}, \left\{ 3 \right\}, \left\{ 4 \right\}, \left\{ 5 \right\}, \left\{ 6 \right\}, \left\{ 7 \right\}$，初始化时如下图所示。
+
+![基于森林实现：初始化操作](../../images/20240513151548.png)
+
+从上图中可以看出：$fa$ 数组的每个下标索引值对应一个元素的集合编号，代表着每个元素属于一个集合。
+
+当我们进行一系列的合并操作后，比如 `union(4, 5)`、`union(6, 7)`、`union(4, 7)` 操作后变为 $\left\{ 0 \right\}, \left\{ 1 \right\}, \left\{ 2 \right\}, \left\{ 3 \right\}, \left\{ 4, 5, 6, 7 \right\}$​，合并操作的步骤及结果如下图所示。
+
+::: tabs#union
+
+@tab <1>
+
+- 合并 $(4, 5)$：令 $4$ 的根节点指向 $5$，即将 $fa[4]$ 更改为 $5$。
+
+![基于森林实现：合并操作 1](../../images/20240513154015.png)
+
+@tab <2>
+
+- 合并 $(6, 7)$：令 $6$ 的根节点指向 $7$，即将 $fa[6]$ 更改为 $7$。
+
+![基于森林实现：合并操作 2](../../images/20240513154022.png)
+
+@tab <3>
+
+- 合并 $(4, 7)$：令 $4$ 的的根节点指向 $7$，即将 $fa[fa[4]]$（也就是 $fa[5]$）更改为 $7$。
 
-![](../../images/20220507112934.png)
+![基于森林实现：合并操作 3](../../images/20240513154030.png)
 
-当我们进行一系列的合并操作后，比如 `union(4, 5)`、`union(6, 7)`、`union(4, 7)` 操作后变为 $\left\{ 0 \right\}, \left\{ 1 \right\}, \left\{ 2 \right\}, \left\{ 3 \right\}, \left\{ 4, 5, 6, 7 \right\}$，合并操作的步骤及结果如下图所示。从图中可以看出，在进行一系列合并操作后，`fa[4] == fa[5] == fa[6] == fa[fa[7]]`，即 $4$、$5$、$6$、$7$ 的元素根节点编号都是 $4$，说明这 $4$ 个 元素同属于一个集合。
+:::
 
-![](../../images/20220507142647.png)
+从上图中可以看出，在进行一系列合并操作后，`fa[fa[4]] == fa[5] == fa[6] == f[7]`，即 $4$、$5$、$6$、$7$ 的元素根节点编号都是 $4$，说明这 $4$ 个元素同属于一个集合。
 
 - 使用「快速合并」思路实现并查集代码如下所示：
 
@@ -134,7 +162,7 @@ class UnionFind:
 
 在集合很大或者树很不平衡时，使用上述「快速合并」思路实现并查集的代码效率很差，最坏情况下，树会退化成一条链，单次查询的时间复杂度高达 $O(n)$。并查集的最坏情况如下图所示。
 
-![](../../images/20220507172300.png)
+![并查集最坏情况](../../images/20240513154732.png)
 
 为了避免出现最坏情况，一个常见的优化方式是「路径压缩」。
 
@@ -148,7 +176,7 @@ class UnionFind:
 
 下面是一个「隔代压缩」的例子。
 
-![](../../images/20220509113954.png)
+![路径压缩：隔代压缩](../../images/20240513154745.png)
 
 - 隔代压缩的查找代码如下：
 
@@ -166,7 +194,7 @@ def find(self, x):                              # 查找元素根节点的集合
 
 相比较于「隔代压缩」，「完全压缩」压缩的更加彻底。下面是一个「完全压缩」的例子。
 
-![](../../images/20220507174723.png)
+![路径压缩：完全压缩](../../images/20240513154759.png)
 
 - 完全压缩的查找代码如下：
 
@@ -197,7 +225,7 @@ def find(self, x):                              # 查找元素根节点的集合
 
 下面是一个「按深度合并」的例子。
 
-![](../../images/20220509094655.png)
+![按秩合并：按深度合并](../../images/20240513154814.png)
 
 - 按深度合并的实现代码如下：
 
@@ -242,7 +270,7 @@ class UnionFind:
 
 下面是一个「按大小合并」的例子。
 
-![](../../images/20220509094634.png)
+![按秩合并：按大小合并](../../images/20240513154835.png)
 
 - 按大小合并的实现代码如下：