栈与队列2——用栈实现队列

题目说明

题目地址

用栈实现队列——LeetCode

题目说明

请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作（push、pop、peek、empty）：

实现 MyQueue 类：

void push(int x) 将元素 x 推到队列的末尾
int pop() 从队列的开头移除并返回元素
int peek() 返回队列开头的元素
boolean empty() 如果队列为空，返回 true ；否则，返回 false

说明：

你 只能 使用标准的栈操作 —— 也就是只有 push to top, peek/pop from top, size, 和 is empty 操作是合法的。
你所使用的语言也许不支持栈。你可以使用 list 或者 deque（双端队列）来模拟一个栈，只要是标准的栈操作即可。

示例 1：

输入：
["MyQueue", "push", "push", "peek", "pop", "empty"]
[[], [1], [2], [], [], []]
输出：
[null, null, null, 1, 1, false]

解释：

MyQueue myQueue = new MyQueue();
myQueue.push(1); // queue is: [1]
myQueue.push(2); // queue is: [1, 2] (leftmost is front of the queue)
myQueue.peek(); // return 1
myQueue.pop(); // return 1, queue is [2]
myQueue.empty(); // return false

提示：

1 <= x <= 9
最多调用 100 次 push、pop、peek 和 empty
假设所有操作都是有效的 （例如，一个空的队列不会调用 pop 或者 peek 操作）

进阶：

你能否实现每个操作均摊时间复杂度为 $O(1)$ 的队列？换句话说，执行 $n$ 个操作的总时间复杂度为 $O(n)$ ，即使其中一个操作可能花费较长时间。

解题

队列是一种 先进先出（first in - first out， FIFO）的数据结构，队列中的元素都从后端（rear）入队（push），从前端（front）出队（pop）。
实现队列最直观的方法是用链表，但在这篇文章里我会介绍另一个方法 - 使用栈。
栈是一种 后进先出（last in - first out， LIFO）的数据结构，栈中元素从栈顶（top）压入（push)，也从栈顶弹出（pop）。
为了满足队列的 FIFO 的特性，我们需要用到两个栈，用它们其中一个来反转元素的入队顺序，用另一个来存储元素的最终顺序。

方法一（使用两个栈 入队 - $O(n)O(n)$， 出队 - $O(1)O(1)$）

算法

入队（push）

一个队列是 FIFO 的，但一个栈是 LIFO 的。这就意味着最新压入的元素必须得放在栈底。为了实现这个目的，我们首先需要把 $s1$ 中所有的元素移到 $s2$ 中，接着把新元素压入 $s2$。最后把 $s2$ 中所有的元素弹出，再把弹出的元素压入 $s1$。

java

private int front;

public void push(int x) {
    if (s1.empty())
        front = x;
    while (!s1.isEmpty())
        s2.push(s1.pop());
    s2.push(x);
    while (!s2.isEmpty())
        s1.push(s2.pop());
}

复杂度分析

• 时间复杂度：$O(n)$

对于除了新元素之外的所有元素，它们都会被压入两次，弹出两次。新元素只被压入一次，弹出一次。这个过程产生了 $4n+2$ 次操作，其中 $n$ 是队列的大小。由于 压入 操作和 弹出 操作的时间复杂度为 $O(1)$， 所以时间复杂度为 $O(n)$。

• 空间复杂度：$O(n)$

需要额外的内存来存储队列中的元素。

出队（pop）

直接从 $s1$ 弹出就可以了，因为 $s1$ 的栈顶元素就是队列的队首元素。同时我们把弹出之后 $s1$ 的栈顶元素赋值给代表队首元素的 $front$ 变量。

java

// Removes the element from the front of queue.
public void pop() {
   s1.pop();
   if (!s1.empty())
       front = s1.peek();
}

复杂度分析

• 时间复杂度：$O(1)$
• 空间复杂度：$O(1)$

判断空（empty）

$s1$ 存储了队列所有的元素，所以只需要检查 s1 的是否为空就可以了。

java

// Return whether the queue is empty.
public boolean empty() {
    return s1.isEmpty();
}

• 时间复杂度：$O(1)$
• 空间复杂度：$O(1)$

取队首元素（peek）

在我们的算法中，用了 front 变量来存储队首元素，在每次 入队 操作或者 出队 操作之后这个变量都会随之更新。

java

// Get the front element.
public int peek() {
  return front;
} 

• 时间复杂度：$O(1)$
  队首元素（front）已经被提前计算出来了，同时也只有 peek 操作可以得到它的值。

• 空间复杂度：O(1)O(1)

方法二（使用两个栈 入队 - $O(1)$，出队 - 摊还复杂度 $O(1)$）

算法

入队（push）

新元素总是压入 $s1$ 的栈顶，同时我们会把 $s1$ 中压入的第一个元素赋值给作为队首元素的 $front$ 变量。

java

private Stack<Integer> s1 = new Stack<>();
private Stack<Integer> s2 = new Stack<>();

// Push element x to the back of queue.
public void push(int x) {
    if (s1.empty())
        front = x;
    s1.push(x);
}

复杂度分析

• 时间复杂度：$O(1)$

向栈压入元素的时间复杂度为$O(1)$

• 空间复杂度：$O(n)$

需要额外的内存来存储队列元素

出队（pop）

根据栈 LIFO 的特性，$s1$ 中第一个压入的元素在栈底。为了弹出 $s1$ 的栈底元素，我们得把 $s1$ 中所有的元素全部弹出，再把它们压入到另一个栈 $s2$ 中，这个操作会让元素的入栈顺序反转过来。通过这样的方式，$s1$ 中栈底元素就变成了 $s2$ 的栈顶元素，这样就可以直接从 $s2$ 将它弹出了。一旦 $s2$ 变空了，我们只需把 $s1$ 中的元素再一次转移到 $s2$ 就可以了。

java

// Removes the element from in front of queue.
public void pop() {
    if (s2.isEmpty()) {
        while (!s1.isEmpty())
            s2.push(s1.pop());
    }
    s2.pop();    
}

复杂度分析

• 时间复杂度： 摊还复杂度 $O(1)$，最坏情况下的时间复杂度 $O(n)$
  在最坏情况下，$s2$ 为空，算法需要从 $s1$ 中弹出 $n$ 个元素，然后再把这 $n$ 个元素压入 $s2$，在这里$n$代表队列的大小。这个过程产生了 $2n$步操作，时间复杂度为 $O(n)$。但当 $s2$ 非空时，算法就只有 $O(1)$ 的时间复杂度。所以为什么叫做摊还复杂度 $O(1)$呢？ 读了下一章你就知道了。

• 空间复杂度 ：$O(1)$

摊还分析

摊还分析给出了所有操作的平均性能。摊还分析的核心在于，最坏情况下的操作一旦发生了一次，那么在未来很长一段时间都不会再次发生，这样就会均摊每次操作的代价。

来看下面这个例子，从一个空队列开始，依次执行下面这些操作：
$$pus{h}_1,pus{h}_2,\dots ,pus{h}_n,po{p}_1,po{p}_2\dots ,po{p}_n$$

单次 出队 操作最坏情况下的时间复杂度为 $O(n)$。考虑到我们要做 $n$ 次出队操作，如果我们用最坏情况下的时间复杂度来计算的话，那么所有操作的时间复杂度为 $O(n^2)$。

然而，在一系列的操作中，最坏情况不可能每次都发生，可能一些操作代价很小，另一些代价很高。因此，如果用传统的最坏情况分析，那么给出的时间复杂度是远远大于实际的复杂度的。例如，在一个动态数组里面只有一些插入操作需要花费线性的时间，而其余的一些插入操作只需花费常量的时间。

在上面的例子中，出队 操作最多可以执行的次数跟它之前执行过 入队操作的次数有关。虽然一次出队操作代价可能很大，但是每 $n$ 次 $入队$ 才能产生这么一次代价为 $n$ 的 出队 操作。因此所有操作的总时间复杂度为：$n$(所有的入队操作产生） + $2\ast n$(第一次出队操作产生） + $n-1$(剩下的出队操作产生）， 所以实际时间复杂度为$O(2\ast n)$。于是我们可以得到每次操作的平均时间复杂度为 $O(2n/2n)=O(1)$。

判断空（empty）

$s1$ 和 $s2$ 都存有队列的元素，所以只需要检查 $s1$ 和 $s2$ 是否都为空就可以了。

java

// Return whether the queue is empty.
public boolean empty() {
    return s1.isEmpty() && s2.isEmpty();
} 

• 时间复杂度：$O(1)$
• 空间复杂度：$O(1)$

取队首元素（peek)

我们定义了 $front$ 变量来保存队首元素，每次 入队 操作我们都会随之更新这个变量。当 $s2$ 为空，$front$ 变量就是队首元素，当 $s2$ 非空，$s2$ 的栈顶元素就是队首元素。

java

// Get the front element.
public int peek() {
    if (!s2.isEmpty()) {
        return s2.peek();
    }
    return front;
}

• 时间复杂度：$O(1)$
  队首元素要么是之前就被计算出来的，要么就是 s2 栈顶元素。因此时间复杂度为 $O(1)$。

• 空间复杂度：$O(1)$