联合查找和广度优先搜索的优缺点是什么？示例：理论算法复杂度，应用程序差异等。
我假设这是两个单独的问题。
Union-Find
理论算法复杂度
Union-Find的复杂度在使用路径压缩时为O（logn），在未使用时为O（n）。对此的严格证明可能超出您的期望，但是可以在Internet上找到它们。
应用程序
Union-Find在Kruskal的算法中用于查找最小生成树。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（等效类）。这是我唯一遇到的算法。可以在Internet上找到其他应用程序，例如以下。
https://en.wikipedia.org/wiki/Disjoint-set_data_structure#Applications
宽度优先搜索
理论算法复杂度
BFS的时间复杂度为O（V + E），其中V是顶点数，E是边数。对于完整的图，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）。时间复杂度来自以下事实：在无向图中，每个顶点仅浏览一次，在最坏的情况下，每个边缘浏览两次（或在有向图中，一次浏览）。
应用程序
[它们之间的最小边数）。 BFS的另一种用途是树的级别顺序遍历。可以在这里找到更多应用程序示例：https://www.geeksforgeeks.org/applications-of-breadth-first-traversal/