网页制作模板源代码免费昆明百度推广优化

首先默写一遍并查集模板（杭电ACM队刘老师那个B站视频讲的很适合入门，理解并查集在干什么）

type UnionFind struct {parent []int // 同一个集合里的头，功能就是标注在哪个集合里count int
}func (uf *UnionFind) Init(n int) {// 根据数目初始化每个点uf.count = nuf.parent = make([]int, n)for i:= range uf.parent {uf.parent[i] = i // 每个元素父节点都是他自己}
}// 查找属于哪一个集合中
func (uf *UnionFind) Find(p int) int {if uf.parent[p] != p {uf.parent[p] = uf.Find(uf.parent[p]) // 路径压缩}return uf.parent[p]
}func (uf *UnionFind) Union(p, q int) {rootP := uf.Find(p)rootQ := uf.Find(q)if rootP != rootQ {uf.parent[rootP] = rootQ // 将一个集合的根节点指向另一个集合的根节点uf.count-- // 合并后集合数量减少}
}// TotalCount 获取当前集合的数量
func (uf *UnionFind) TotalCount() int {return uf.count
}

这个模板没有实现秩优化。可以将深度小的树合并到深度大的树上，或者将节点数少的树合并到节点数多的树上，这样做的目的是让树保持尽可能平衡，避免形成深度很大的树，确保操作的效率。

然后进一步展示一下路径优化在干啥，便于默写出代码：

假设：parent = [0, 0, 1, 2, 3]
表示： 0 ← 1 ← 2 ← 3 ← 4
如果直接 Find(4)，你会递归查询：4 → 3 → 2 → 1 → 0（需要 4 步）
如果下次再 Find(4)，仍然要 4 步，效率很低！

先做比较简单的母题那种的547省份数量：

// 默写并查集模板
type UnionFind struct {parent []intcount int
}func (uf *UnionFind) Init (total int) {uf.parent = make([]int, total)uf.count = totalfor i,_ := range uf.parent {uf.parent[i] = i} 
}func (uf *UnionFind) Find (q int) int {if q != uf.parent[q] {uf.parent[q] = uf.Find(uf.parent[q])}return uf.parent[q]
}func (uf *UnionFind) Union (p, q int) {rootp := uf.Find(p)rootq := uf.Find(q)if rootp != rootq {uf.parent[rootp] = rootquf.count--}
}func (uf *UnionFind) SumCount () int {return uf.count
}func findCircleNum(isConnected [][]int) int {uf := &UnionFind{}uf.Init(len(isConnected))for i:=0 ; i<len(isConnected); i++ {for j:=0; j<len(isConnected[0]); j++ {if isConnected[i][j]==1 {uf.Union(i,j)}}}res := uf.SumCount()return res
}

现在来思考128最长连续序列。对这道题的思路是先将数据都放入map，然后遍历数组查找每个元素是否有v+1和v-1的元素存在，如果存在就合并这个集合。但是好像会使得集合中存在重复的元素？那就去遍历map而不是数组。还要考虑一个问题，得到并查集后如何统计集合大小？维护一个size数组，记录每个集合的大小，在union时更新。

// 默写一个并查集模板
type UnionFind struct {parent []intsize []intcount int
}func (uf *UnionFind) Init (total int) {uf.parent = make([]int, total)uf.size = make([]int, total) // 初始每个并查集大小为1for i:=0; i<total; i++ {uf.parent[i] = iuf.size[i] = 1}uf.count = total
}func (uf *UnionFind) Find (q int) int {if q != uf.parent[q] {uf.parent[q] = uf.Find(uf.parent[q])}return uf.parent[q]
}func (uf *UnionFind) Union (p,q int) {rootQ := uf.Find(q)rootP := uf.Find(p)if rootP != rootQ {uf.count--uf.parent[rootP] = rootQ // 将一个集合的根节点指向另一个集合的根节点uf.size[rootQ] += uf.size[rootP]  // 累加整个集合大小}
}func (uf *UnionFind) maxSize () int {max := 1for i:=0; i<len(uf.size); i++ {if uf.size[i] > max {max = uf.size[i]}}return max
}func longestConsecutive(nums []int) int {// 检查为空的情况if len(nums) == 0{return 0} // 去重且放入map用于查找// key是用于查找的数值，v是在并查集里面的index，初始化为递增m := make(map[int]int)p := 0for _, value := range nums {if _, ok := m[value]; !ok {m[value] = pp += 1}}// 组织并查集uf := &UnionFind{}uf.Init(len(m))for k,index := range m {if v,ok := m[k+1]; ok {uf.Union(index, v)}if v,ok := m[k-1]; ok {uf.Union(index, v)}}max := uf.maxSize()return max
}

684.冗余连接 这道题读起来感觉像去掉一条边，使得并查集依然为1个。倒着来选择一条边不被遍历，有点暴力。或者有没有办法做并查集的拆分？应该不可能这么幺蛾子。看了佬的思路，说的是：依次扫描所有的边，把边的两端点都合并 union() 到一起。如果遇到一条边的两端点已经在一个集合里面了，就说明是多余边，删除。最后输出这些边即可。 对啊，可以把不关键的边又收集起来，然后输出最后一个即可。

// 先默写并查集模板
type UnionFind struct {parent []int// count int
}func (uf *UnionFind) Init (total int) {// uf.count = totaluf.parent = make([]int, total+1) // 坑！对于n条边的图，节点编号是1到nfor i,_ := range uf.parent {uf.parent[i] = i}
}func (uf *UnionFind) Find (q int) int {if q != uf.parent[q] {uf.parent[q] = uf.Find(uf.parent[q])} return uf.parent[q]
}func (uf *UnionFind) Union (p,q int) bool {rootp := uf.Find(p)rootq := uf.Find(q)if rootp != rootq {uf.parent[rootp] = rootq// uf.count--return false} else {// 这条边冗余的return true}
}func findRedundantConnection(edges [][]int) []int {uf := &UnionFind{}uf.Init(len(edges))var arr []int // 记录冗余边的indexfor i, v := range edges {if uf.Union(v[0], v[1]) {arr = append(arr, i)}}res := edges[arr[len(arr)-1]]return res
}

200岛屿数量应该是指把水平和竖直方向有关联的加入一个集合，最后返回集合数量。需要将二维问题映射到一维并查集。（但是我感觉dfs或者bfs更好通过吧，到时候来补上）（过段时间再写这个解法这样就能巩固一下并查集模板）