▼ 算法合集
▼ 加密算法
▼ 凯撒密码
▼ Hill密码算法
▼ 多项式哈希算法
▼ Rail Fence Cipher
▼ Graph算法
▼ 关节点
▼ Bellman-Ford算法
▼ 广度优先搜索
▼ GraphBridges
▼ 深度优先搜索
▼ 检测循环
▼ Dijkstra算法
▼ Eulerian Path
▼ Floyd-Warshall算法
▼ HamiltonianCycle
▼ Kruskal算法
▼ Prim算法
▼ 强连通分量
▼ 拓扑排序
▼ Travelling Salesman Problem
▼ 图像处理算法
▼ Seam Carving算法
▼ 链表
▼ 反向遍历
▼ GraphTraversal
▼ 数学算法
▼ 二进制浮点数
▼ 位操作
▼ 复数
▼ 欧几里得算法
▼ Euclidean Distance
▼ 阶乘算法
▼ 快速幂算法
▼ Fibonacci数列
▼ 傅里叶变换
▼ Horner法
▼ 整数划分
▼ 判断是否为2的幂
▼ 最小公倍数
▼ Liu Hui
▼ 矩阵
▼ Pascal三角形
▼ Primality Test
▼ 质因数
▼ 弧度计算
▼ 埃拉托色尼筛法
▼ SquareRoot
▼ MachineLearning
▼ K均值算法
▼ K近邻算法
▼ 搜索算法
▼ 二分查找算法
▼ 插值搜索算法
▼ 跳跃搜索算法
▼ 线性搜索
▼ 集合
▼ 笛卡尔积
▼ 组合总和
▼ 组合算法
▼ Fisher-Yates洗牌算法
▼ 背包问题
▼ 最长公共子序列
▼ 最长递增子序列
▼ 最大子数组
▼ 排列组合
▼ 幂集
▼ 最短公共超序列
▼ Sorting Algorithms
▼ 冒泡排序
▼ 桶排序算法
▼ 计数排序算法
▼ 堆排序算法
▼ 插入排序
▼ 归并排序
▼ 快速排序算法
▼ 基数排序
▼ 选择排序算法
▼ 希尔排序
▼ 统计学
▼ 加权随机
▼ 字符串算法
▼ Hamming距离
▼ KnuthMorrisPratt算法
▼ LevenshteinDistance
▼ 最长公共子串
▼ 回文检测算法
▼ Rabin-Karp算法
▼ 正则表达式匹配
▼ Z算法
▼ Tree Data Structure
▼ 广度优先搜索
▼ 深度优先搜索
▼ 未分类
▼ 最佳买卖股票时机
▼ 汉诺塔算法
▼ 跳跃游戏算法
▼ KnightTour
▼ N皇后问题
▼ 雨水收集
▼ 递归楼梯问题
▼ 方阵旋转
▼ 独特路径
▼ 数据结构
▼ BloomFilter算法
▼ 不相交集数据结构
▼ 双向链表
▼ Graph
▼ 哈希表
▼ Heap数据结构
▼ 链表
▼ LRU缓存
▼ 优先队列
▼ 队列
▼ 栈结构
▼ Tree Data Structure
▼ AVL树
▼ 二叉搜索树
▼ Fenwick树
▼ 红黑树
▼ 线段树
▼ Trie数据结构
不相交集数据结构（又称并查集数据结构或合并查找集合）是一种跟踪一组元素划分为许多不相交（非重叠）子集的数据结构。 它提供了接近常数时间操作（受限于逆阿克曼函数）来添加新集合、合并现有集合以及确定元素是否在同一集合中。 除了许多其他用途（见应用部分），不相交集在用于查找图的最小生成树的Kruskal算法中起着关键作用。
MakeSet 创建了8个单元素集合。
经过一些_Union_操作后，一些集合被分组在一起。