摘要：
1.5.13使用路径压缩的加权quick-union算法。修改加权quick-union算法(算法1.5)，实现如练习1.5.12所述的路径压缩。给出一列输入，使该方法能够产生一棵高度为4的树。注意：访算法的所有操作的均摊成本已知被限制在反Ackermann函数的范围之内，且对于实际应用中可能出现的 阅读全文
摘要：
1.5.11实现加权quick-find算法，其中我们总是将较小的分量重命名为较大的分量的标识符。这种改变会对性能产生怎样的影响？答：每次union需要多访问N次id数组进行判断，同时还需要对两个分量的触点个数的sz赋新值,也会增加数组的访问，性能将会降低。public class E1d5d11{ 阅读全文
摘要：
1.5.10在加权quick-union算法中，假设我们将id[find(p)]的值设为q而非id[find(q)],所得的算法是正确的吗？ 答：是，但这会增加树的高度，因此无法保证同样的性能。 阅读全文
摘要：
1.5.8用一个反例证明quick-find算法中的union()方法的以下直观实现是错误的： public void union(int p,int q) { if (connected(p,q) return; //将p的分量重命名为q的分量 for (int i=0;i<id.length;i 阅读全文
摘要：
1.5.9画出下面的id[]数组所对应的树。这可能是加权quick-union算法得到的结果吗？解释为什么不可能，或者给出能够得到访数组的一系列操作。 i 0 1 2 3 4 5 6 7 8 9 id[i] 1 1 3 1 5 6 1 3 4 5 答：如果是加权quick-union得到的树最大深度 阅读全文
摘要：
1.5.7分别为quick-find算法和quick-union算法实现QuickFindUF类和QuickUnionUF类。 public class QuickFindUF { private int[] id; private int count; public QuickFindUF(int 阅读全文
摘要：
1.5.6使用加权quick-union算法完成练习1.5.5。 1.5.6使用加权quick-union算法完成练习1.5.5。 1.5.6使用加权quick-union算法完成练习1.5.5。 阅读全文
摘要：
1.5.5在一台每秒能够处理10^9条指令的计算机上，估计quick-find算法解决含有10^9个触点和10^6条连接的动态连通性问题所需的最短时间内循环for的每一次迭代需要执行10条机器指令。 阅读全文
摘要：
1.5.3使用加权quick-union算法(请见算法1.5)完成练习1.5.1。 1.5.3使用加权quick-union算法(请见算法1.5)完成练习1.5.1。 1.5.3使用加权quick-union算法(请见算法1.5)完成练习1.5.1。 阅读全文
摘要：
1.5.4在正文的加权quick-union算法示例中，对于输入的每一对整数(包括对照输入和最坏情况下的输入），给出id[]和sz[]数组的内容以及访问数组的次数。答：1）示例：2）对照输入：3）最坏输入4)code:public class WeightedQuickUnionUF{ privat 阅读全文