我从未见过以这种方式使用二项式堆，因为通常使用深度优先搜索或广度优先搜索来找到图连接的组件，而且两种算法都不需要您使用任何类型的优先级队列。当然，您可以通过将DFS或BFS的堆栈或队列替换为优先级队列来进行某种“优先级优先搜索”以查找连接的组件，但是这样做的理由很少。这样会使查找连接组件的成本降低到O（m + n log n），而不是您从普通BFS或DFS获得的O（m + n）。

有一种方法可以让您顽强地说二项式堆可能有用，这是查找连接组件的另一种策略。您也可以使用disjoint-set forest来标识连接的组件。首先从每个节点在其自己的分区中开始，然后为每个边缘调用 union 操作以将节点链接在一起。完成后，您将得到一棵树的集合，每棵树代表一个连接的组件。

有许多策略可以确定如何在不相交的森林中链接树木。其中之一是按大小划分的联盟，其中，每当您需要选择要更改的代表时，就选择较小大小的树并将其指向较大大小的树。您可以证明以这种方式形成的最小高度为k的树是秩为k的二叉树。这是通过配对所有节点，然后取代表并配对来完成的，等等。（亲自尝试-不错吗？）

但是，对我而言，这更像是一个巧合。这与二项式 heaps 无关，而与二项式 trees 有关，并且这种特殊形状仅在您正在寻找病理病例的情况下才会出现，而不是自然而然地出现。算法的执行。

因此，我的最佳答案是“从技术上讲，您可以这样做，但您不应该这样做，从技术上讲，在与连接的组件有关的其他上下文中会出现二项式树，但这与使用二项式堆不同。” / p>

希望这会有所帮助！