栈 先进后出
队列
队列是一种常用的数据结构，可以将队列看做是一种特殊的线性表，遵循先进先出原则。分分为队列queue和双向队列deque。
队列queue
在java中，使用LinkedList实现queue。操作的方法如下：
| 抛出异常 | 返回值 | |
|---|---|---|
| 插入 | add(e) | offer(e) |
| 移除 | remove() | poll() |
| 检查 | element() | peek() |
-
boolean add(E e);将指定的元素插入此队列（如果立即可行且不会违反容量限制），在成功时返回
true，如果当前没有可用的空间，则抛出IllegalStateException。 -
boolean offer(E e);将指定的元素插入此队列（如果立即可行且不会违反容量限制），当使用有容量限制的队列时，此方法通常要优于
add(E)，后者可能无法插入元素，而只是抛出一个异常。 -
E remove();获取并移除此队列的头。
-
E poll();获取并移除此队列的头，如果此队列为空，则返回
null。 -
E element();获取，但是不移除此队列的头。
-
E peek();获取但不移除此队列的头；如果此队列为空，则返回
null。
双向队列deque
双向队列(Deque),是Queue的一个子接口，双向队列是指该队列两端的元素既能入队(offer)也能出队(poll),如果将Deque限制为只能从一端入队和出队，则可实现栈的数据结构。对于栈而言，有入栈(push)和出栈(pop)，遵循先进后出原则。(下面几张图参考了https://www.cnblogs.com/shamo89/p/6774080.html这篇文章)
此接口扩展了 Queue 接口。在将双端队列用作队列时，将得到 FIFO（先进先出）行为。将元素添加到双端队列的末尾，从双端队列的开头移除元素。从 Queue 接口继承的方法完全等效于 Deque 方法，如下表所示
双端队列也可用作 LIFO（后进先出）堆栈。应优先使用此接口而不是 Stack 类。在将双端队列用作堆栈时，元素被推入双端队列的开头并从双端队列开头弹出。堆栈方法完全等效于 Deque 方法，如下表所示：
注意，在将双端队列用作队列或堆栈时，peek 方法同样正常工作；无论哪种情况下，都从双端队列的开头抽取元素。
力扣习题
使用队列实现栈的下列操作：
push(x) -- 元素 x 入栈 pop() -- 移除栈顶元素 top() -- 获取栈顶元素 empty() -- 返回栈是否为空
用队列实现栈主要是实现push方法
class MyStack {
private Queue<Integer> a; //输入队列
private Queue<Integer> b; //输出队列
/** Initialize your data structure here. */
public MyStack() {
a=new LinkedList<>();
b=new LinkedList<>();
}
/** Push element x onto stack. */
public void push(int x) {
a.offer(x);
while(!b.isEmpty()){
a.offer(b.poll());
}
Queue temp=a;
a=b;
b=temp;
}
/** Removes the element on top of the stack and returns that element. */
public int pop() {
return b.poll();
}
/** Get the top element. */
public int top() {
return b.peek();
}
/** Returns whether the stack is empty. */
public boolean empty() {
return b.isEmpty();
}
}使用栈实现队列的下列操作：
push(x) -- 将一个元素放入队列的尾部。 pop() -- 从队列首部移除元素。 peek() -- 返回队列首部的元素。 empty() -- 返回队列是否为空。
用栈实现队列主要是实现pop()和peek()方法
class MyQueue {
private Stack<Integer> a; //输入栈
private Stack<Integer> b; //输出栈
/** Initialize your data structure here. */
public MyQueue() {
a=new Stack<>();
b=new Stack<>();
}
/** Push element x to the back of queue. */
public void push(int x) {
a.push(x);
}
/** Removes the element from in front of queue and returns that element. */
public int pop() {
if(b.isEmpty()){
while(!a.isEmpty()){
b.push(a.pop());
}
}
return b.pop();
}
/** Get the front element. */
public int peek() {
if(b.isEmpty()){
while(!a.isEmpty()){
b.push(a.pop());
}
}
return b.peek();
}
/** Returns whether the queue is empty. */
public boolean empty() {
return a.isEmpty() && b.isEmpty();
}
}这个题目可以投机取巧一下，使用两个栈来实现最小栈，一个用来正常实现栈的方法，一个用来维护存储最小值
代码如下
class MinStack {
private Stack<Integer> stack;
private Stack<Integer> min_stack;
/** initialize your data structure here. */
public MinStack() {
stack=new Stack<>();
min_stack=new Stack<>();
}
public void push(int x) {
stack.push(x);
if(min_stack.isEmpty() || x<=min_stack.peek()){
min_stack.push(x);
}
}
public void pop() {
Integer temp=stack.pop();
if(temp.equals(min_stack.peek())){
min_stack.pop();
}
}
public int top() {
return stack.peek();
}
public int getMin() {
return min_stack.peek();
}
}这里可以小小的优化一下，存储最小值用一个变量来实现，具体代码如下
class MinStack {
private int min = Integer.MAX_VALUE;
private Stack<Integer> stack;
/** initialize your data structure here. */
public MinStack() {
stack = new Stack<>();
}
public void push(int x) {
if(min >= x){
stack.push(min);
min = x;
}
stack.push(x);
}
public void pop() {
if(stack.pop() == min){
min = stack.pop();
}
}
public int top() {
return stack.peek();
}
public int getMin() {
return min;
}}也可以使用一个栈来实现，一次压入两个值，一个是要压入的值，一个是当前的最小值
class MinStack {
private Stack<Integer> stack;
/** initialize your data structure here. */
public MinStack() {
stack=new Stack<>();
}
public void push(int x) {
if(stack.isEmpty()){
stack.push(x);
stack.push(x);
}else{
int temp=stack.peek();
stack.push(x);
if(temp<x){
stack.push(temp);
}else{
stack.push(x);
}
}
}
public void pop() {
stack.pop();
stack.pop();
}
public int top() {
return stack.get(stack.size()-2);
}
public int getMin() {
return stack.peek();
}
}用链表来实现最小栈
class MinStack {
public MinStack(){
}
public void push(int x){
if(head==null){
head=new Node(x,x);
}else{
head=new Node(x,Math.min(x,head.min),head);
}
}
public void pop(){
head=head.next;
}
public int top(){
return head.val;
}
public int getMin(){
return head.min;
}
private class Node{
int val;
int min;
Node next;
private Node(int val,int min){
this(val,min,null);
}
private Node(int val,int min,Node next){
this.val=val;
this.min=min;
this.next=next;
}
}
}这种题就是实现API,根据题目要设计好每个方法就好，首先为了可以以o1的时间拿出最大值，那么我们就要维护一个数据结构来保存每一次的最大值。我们采用两个队列来实现，其中一个是双向队列，用于维护最大值。
首先在调用max_value方法的时候，我们使用b.peek()直接获取队列的头部，因此在设计push方法时，维护的队列应该是单调的，并且队首应是最大值。
在push方法中，每次push一个数x的时候，对于双向列表，先从尾部开始判断，如果当前尾部值小于x,则删除，直到尾部值大于x，此时将x加入尾部。
在pop方法中，在删除a头部的元素时，要判断此时是否和当前的b头部最大值相等，如果相等则都要删除。
代码如下
class MaxQueue {
Queue<Integer> a;
Queue<Integer> b;
public MaxQueue() {
a=new LinkedList<>();
b=new LinkedList<>(); //用于维护最大值队列
}
public int max_value() {
return a.isEmpty()?-1:b.peek(); //返回最大值队列的头部
}
public void push_back(int value) {
a.offer(value);
while(!b.isEmpty() && value>b.peekLast()){
b.pollLast();
}
b.offer(value);
}
public int pop_front() {
if(a.isEmpty()){
return -1;
}
int temp=a.poll();
if(temp==b.peek()){
b.poll();
}
return temp;
}
}这两个是一道题，和上一题有所关联，放在一起做，本质就是维护一个滑动窗口。判断里面的最大值。
最开始使用的是暴力法，对每一个长度为k的滑动窗口进行遍历，保存最大值
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int len=nums.length;
if(nums==null || len<1) return new int[0];
int[] res=new int[len-k+1];
for(int i=0;i<=len-k;i++){
res[i]=max_value(nums,i,i+k); //传入所有的窗口
}
return res;
}
private int max_value(int[] nums,int left,int right){ //遍历传递的窗口范围，返回最大值
int max=nums[left];
for(int i=left+1;i<right;i++){
if(nums[i]>max){
max=nums[i];
}
}
return max;
}
}可以对上面的暴力法进行优化，通过分析我们可以知道，每一次都要遍历是有点重复的，那么我们可以想想办法减少遍历的次数。通过使用窗口。比如说窗口的长度为3，假如说最大值是第二个，那么，这个时候，滑动窗口向右滑动一格，其实没有必要全部判断一次，因为前两个在上一轮中已经判断过了，所以只需要判断新加入的就好了。如果说最大值是第一个，滑动窗口向右滑动一个之后，最大值就不再这个窗口里了，那么只能全部遍历了。
代码如下：
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int len=nums.length;
int count=0;
if(nums==null || len==0) return new int[0];
int max=0,left=0,right=k-1,index=-1,count=0;
int[] res=new int[len-k+1];
while(right<len){
if(index>=left){ //说明最大值的索引还在滑动窗口里，只需要比较最右边的数值
if(nums[right]>=max){
index=right;
max=nums[right];
}
}else{ //说明此时最大值的索引已经不在滑动窗口里了，需要遍历整个窗口长度
max=nums[left]; //很重要
index=left;
for(int i=left+1;i<=right;i++){
if(nums[i]>=max){
index=i;
max=nums[i];
}
}
}
left++; //滑动窗口移动
right++;
res[count++]=max; //保存结果
}
return res;
}
}也可以维护一个单调栈，新来的数和队尾的数比较，如果队尾的数小于新来的数则不断移除，直至不小于或者队列为空。这样移动窗口之后，只需要取队头的数即为最大值。当滑动窗口的长度大于k时，对不要的进行移除
代码如下
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int len=nums.length;
int count=0;
if(nums==null || len==0) return new int[0];
int[] res=new int[len-k+1];
Deque<Integer> deque=new ArrayDeque<>();
for(int i=0;i<len;i++){
if(i>=k && deque.peekFirst()==nums[i-k]) deque.removeFirst(); //移除已经不在窗口里的数
while(!deque.isEmpty() && deque.peekLast()<nums[i]){
deque.pollLast();
}
deque.offer(nums[i]);
if(i>=k-1) res[count++]=deque.peekFirst(); //当i达到k的长度之后，每次循环要记录此时窗口的最大值
}
return res;
}
}
扫一扫
156
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
