联合查找和广度优先搜索的优点和缺点是什么？示例：理论算法的复杂性、应用程序的差异等等
我假设这是两个独立的问题。
联合查找
理论算法复杂性
当使用路径压缩时，联合查找的复杂性为O(logn(，如果不使用，则为O(n(。这方面的严格证据可能比你想要的要多，但它们可以在互联网上找到。
应用程序
在Kruskal的算法中使用联合查找来查找最小生成树。联合查找算法用于跟踪通过Kruskal的中间步骤形成的不相交的最小生成树(等价类(。这是我唯一一次遇到算法。其他应用程序可以在互联网上找到，例如以下。
https://en.wikipedia.org/wiki/Disjoint-set_data_structure#Applications
广度优先搜索
理论算法复杂性
BFS的时间复杂度是O(V+E(，其中V是顶点的数量，E是边的数量。对于完全图，时间复杂度可以认为是O(V^2(。对于稀疏图，时间复杂度可以认为是O(V(。时间复杂性来自于这样一个事实，即在无向图中，每个顶点只被探索一次，每个边在最坏的情况下被探索两次(或在有向图中探索一次(。
应用程序
我在一些地方遇到了BFS，比如找到未加权图的最小生成树，找到到未加权图中节点的最短路径(BFS不适用于最短路径不等于它们之间最小边数的加权图(。BFS的另一个用途是树的级别顺序遍历。更多的应用示例可以在这里找到：
https://www.geeksforgeeks.org/applications-of-breadth-first-traversal/