@pkxutao #9 反正我想着就是按自己的节奏来。

@dyv9 嗯，还是应该要明确说

@Fa11ingWood 是的，我也是工作生活分开才能够保持平衡，工作状态才好。

@Fa11ingWood 是，至少要有点缓冲。

支持！

大多数加楼层的回复应该都是用了一个浏览器插件：v2ex-plus 。

@sengxian #3 虽然没有细看，也没有看懂，但知道这是在作均摊分析，似乎并没有直接分析“最坏”情形。但是在 https://oi-wiki.org/ds/dsu/ 的引用中，有一篇论文（ https://www.researchgate.net/publication/220430653_Worst-case_Analysis_of_Set_Union_Algorithms/link/0a85e53cd28bfdf5eb000000/download ）对此进行了分析，这篇论文中应该有想要的答案。显然对这个问题的解释并不是一两句话所能够说清楚的，有一种直观的理解方法当然最好，没有的话问题就到此为止。谢谢。

@sengxian #1 感谢回复。是的，更常见的似乎的确是按高度合并，但按大小合并也是一种可行（而且效率同样较高）的方法。我知道在该情况下深度不变，但这一点如何真正说明连续合并两棵树大小相等时是最坏的？能给些更详细些的提示吗？

FQYVG7

@YouRTBUG #3 嗯，再次感谢！

@YouRTBUG #1 感谢回复。因为我理解“处理 N 个触点和 M 条连接”的意思是：开始输入 N 个触点，互不相连（有 N 个分量），然后算法依照输入将触点逐个相连，连接到最后只剩 M 个分量。所以我说“最后剩下 M 条连接”。现在看来它实际的意思应该是：输入 N 个触点，且 N 个触点组成 M 个分量。将 M 个分量连起来需要调用 M 次 union ，加权 quick-union 的 union 函数最多访问数组 lgN 次，所以最多总共最多访问数组 MlgN 次，quick-find 的 union 函数至少访问 (N+3) 次数组，所以总共至少访问数组 M(N+3) 次。和书本上的说明接近，只是不知道为什么 MlgN 前面有一个常数 c ？另外 M(N+3) 次的总次数与 MN 还是有差别。

@ikesnowy #4 嗯，是。所以看来增长的数量级可用来给时间成本的增长快慢分类，比如两种不同的对数增长都属于对数级别、两种不同的线型级别也同属于线性级别（即使两者之间有比较明显的快慢区分）。也正因为如此，增长数量级相对于近似来说更“粗糙”，作者也在答疑中回复道：
“我们希望讨论的是给定成本模型下所有语句执行的准确频率，因为它们能够提供更多关于算法性能的信息，而且从我们所讨论的算法中获取这些频率是可能的。例如，我们可以说‘ThreeSum 访问数组的次数为～ N^3/2’，以及‘在最坏情况下 cnt++执行的次数为～ N^3/6’，它们虽然有些冗长但给出的信息比‘ThreeSum 的运行时间为 O （ N^3 ）’要多得多。”

@Higurashi #2 我想我知道了。当数据量很大时，log10N 和 log2N 之间的差别其实并不“显著”（可以到 https://www.geogebra.org/graphing?lang=zh_CN 看看），也正因如此，只有一个“对数级别”而不存在所谓“log10N 级别”或是“log2N 级别”。