并查集学习：下面附模板代码
l 并查集：(union-find sets)
一种简单的用途广泛的集合. 并查集是若干个不相交集合，能够实现较快的合并和判断元素所在集合的操作，应用很多，如其求无向图的连通分量个数等。最完美的应用当属：实现Kruskar算法求最小生成树。
l 并查集的精髓（即它的三种操作，结合实现代码模板进行理解）：
1、Make_Set(x) 把每一个元素初始化为一个集合
初始化后每一个元素的父亲节点是它本身，每一个元素的祖先节点也是它本身（也可以根据情况而变）。
2、Find_Set(x) 查找一个元素所在的集合
查找一个元素所在的集合，其精髓是找到这个元素所在集合的祖先！这个才是并查集判断和合并的最终依据。
判断两个元素是否属于同一集合，只要看他们所在集合的祖先是否相同即可。
合并两个集合，也是使一个集合的祖先成为另一个集合的祖先，具体见示意图
3、Union(x,y) 合并x,y所在的两个集合
合并两个不相交集合操作很简单：
利用Find_Set找到其中两个集合的祖先，将一个集合的祖先指向另一个集合的祖先。如图
l 并查集的优化
1、Find_Set(x)时 路径压缩
寻找祖先时我们一般采用递归查找，但是当元素很多亦或是整棵树变为一条链时，每次Find_Set(x)都是O(n)的复杂度，有没有办法减小这个复杂度呢？
答案是肯定的，这就是路径压缩，即当我们经过"递推"找到祖先节点后，"回溯"的时候顺便将它的子孙节点都直接指向祖先，这样以后再次Find_Set(x)时复杂度就变成O(1)了，如下图所示；可见，路径压缩方便了以后的查找。
2、Union(x,y)时 按秩合并
即合并的时候将元素少的集合合并到元素多的集合中，这样合并之后树的高度会相对较小。
//每一个集合都是一棵树，集合的元素则为树的节点，每棵树都有一个独一无二的标志，那、、//就是树的根节点
//一般的标志是自己本身的下标 或者 为-1
int father[MAX]; //father[x]表示x的父节点
int sign[MAX]; //sign[x] 用来记录查找根节点时，途中所路过的节点，压缩路径的时候用到
int rank[MAX] //rank[x] 表示x节点所在树的深度
//初始化集合
void Make_Set(int x)
{
father[x] = x; //初始化一开始每个节点的父节点都为本身
rank[x] = 0; //初始化一开始每棵树的深度为
}
// 寻找x元素所在的集合也就是找子节点的根节点（树,若采用递归查找，回溯时压缩路径
int Find_Set(int x)
{
if(father[x] != x)
{
father[x] = Find_Set(father[x]); //这是一个递归的过程，回溯时压缩路径
}
return father[x];
}
void Union(int x,int y) //合并两个不相交的集合，x,y分别为两个不同的集合
{
x = Find_Set(x);
y = Find_Set(y);
if(x == y) return ; //若为同一集合，则直接返回
if(rank[x] > rank[y]) //如果x树的深度比y树深，y树接到x树
{
father[y] = x;
}
else if(rank[x] < rank[y])
{
father[x] = y;
}
else if(rank[x] ==rank[y]) //若两树的深度一样
{
father[x] = y; //则x树接到y树
rank[y]++; //此时y树的深度+1
}
}