算法一看就懂之「 队列 」
作者:互联网
算法的系列文章中,之前咱们已经聊过了「 数组和链表 」、「 堆栈 」,今天咱们再来继续看看「 队列 」这种数据结构。「 队列 」和「 堆栈 」比较类似,都属于线性表数据结构,并且都在操作上受到一定规则约束,都是非常常用的数据类型,咱们掌握得再熟练也不为过。
一、「 队列 」是什么?
队列(queue)是一种先进先出的、操作受限的线性表。
队列这种数据结构非常容易理解,就像我们平时去超市买东西,在收银台结账的时候需要排队,先去排队的就先结账出去,排在后面的就后结账,有其他人再要过来结账,必须排在队尾不能在队中间插队。
「 队列 」数据结构就是这样的,先进入队列的先出去,后进入队列的后出去。必须从队尾插入新元素,队列中的元素只能从队首出,这也就是「 队列 」操作受限制的地方了。
与堆栈类似,队列既可以用 「 数组 」 来实现,也可以用 「 链表 」 来实现。
下面主要介绍一下目前用的比较多的几种「 队列 」类型:
-
顺序队列
-
链式队列
-
循环队列
-
优先队列
下面来依次了解一下:
-
用数组实现的队列,叫做 顺序队列:
用数组实现的思路是这样的:初始化一个长度为n的数组,创建2个变量指针front和rear,front用来标识队头的下标,而rear用来标识队尾的下标。因为队列总是从对头取元素,从队尾插入数据。因此我们在操作这个队列的时候通过移动front和rear这两个指针的指向即可。初始化的时候front和rear都指向第0个位置。
当有元素需要入队的时候,首先判断一下队列是否已经满了,通过rear与n的大小比较可以进行判断,如果相等则说明队列已满(队尾没有空间了),不能再插入了。如果不相等则允许插入,将新元素赋值到数组中rear指向的位置,然后rear指针递增加一(即向后移动了一位),不停的往队列中插入元素,rear不停的移动,如图:
当队列装满的时候,则是如下情况:
当需要做出队操作时,首先要判断队列是否为空,如果front指针和rear指针指向同一个位置(即front==rear)则说明队列是空的,无法做出队操作。如果队列不为空,则可以进行出队操作,将front指针所指向的元素出队,然后front指针递增加一(即向后移动了一位),加入上图的队列出队了2个元素:
所以对于数组实现的队列而言,需要用2个指针来控制(front和rear),并且无论是做入队操作还是出队操作,front或rear都是往后移动,并不会往前移动。入队的时候是rear往后移动,出队的时候是front往后移动。出队和入队的时间复杂度都是O(1)的。
-
用链表实现的队列,叫做 链式队列:
用链表来实现也比较简单,与数组实现类似,也是需要2个指针来控制(front和rear),如图:
当进行入队操作时,让新节点的Next指向rear的Next,再让rear的Next指向新节点,最后让rear指针向后移动一位(即rear指针指向新节点),如上图右边部分。
当进行出队操作时,直接将front指针指向的元素出队,同时让front指向下一个节点(即将front的Next赋值给front指针),如上图左边部分。
-
循环队列
循环队列是指队列是前后连成一个圆圈,它以循环的方式去存储元素,但还是会按照队列的先进先出的原则去操作。循环队列是基于数组实现的队列,但它比普通数据实现的队列带来的好处是显而易见的,它能更有效率的利用数组空间,且不需要移动数据。
普通的数组队列在经过了一段时间的入队和出队以后,尾指针rear就指向了数组的最后位置了,没法再往队列里插入数据了,但是数组的前面部分(front的前面)由于旧的数据曾经出队了,所以会空出来一些空间,这些空间就没法利用起来,如图:
当然可以在数组尾部已满的这种情况下,去移动数据,把数据所有的元素都往前移动以填满前面的空间,释放出尾部的空间,以便尾部还可以继续插入新元素。但是这个移动也是消耗时间复杂度的。
而循环队列就可以天然的解决这个问题,下面是循环队列的示意图:
循环队列也是一种线性数据结构,只不过它的最后一个位置并不是结束位。对于循环队列,头指针front始终指向队列的前面,尾指针rear始终指向队列的末尾。在最初阶段,头部和尾部的指针都是指向的相同的位置,此时队列是空的,如图:
当有新元素要插入到这个循环队列的时候(入队),新元素就会被添加到队尾指针rear指向的位置(rear和tail这两个英文单词都是表示队尾指针的,不同人喜欢的叫法不一样),并且队尾指针就会递增加一,指向下一个位置,如图:
当需要做出队操作时,直接将头部指针front指向的元素进行出队(我们常用 front 或 head 英文单词来表示头部指针,凭个人喜好),并且头部指针递增加一,指向下一个位置,如图:
上图中,D1元素被出队列了,头指针head也指向了D2,不过D1元素的实际数据并没有被删除,但即使没有删除,D1元素也不属于队列中的一部分了,队列只承认队头和队尾之间的数据,其它数据并不属于队列的一部分。
当继续再往队列中插入元素,当tail到达队列的尾部的时候:
tail的下标就有重新变成了0,此时队列已经真的满了。
不过此处有个知识点需要注意,在上述队列满的情况下,其实还是有一个空间是没有存储数据的,这是循环队列的特性,只要队列不为空,那么就必须让head和tail之间至少间隔一个空闲单元,相当于浪费了一个空间吧。
假如此时我们将队列中的D2、D3、D4、D5都出队,那队列就又有空间了,我们又可以继续入队,我们将D9、D10入队,状态如下:
此时,头指针的下标已经大于尾指针的下标了,这也是正式循环队列的特性导致的。
所以可以看到,整个队列的入队和出队的过程,就是头指针head和尾指针tail互相追赶的过程,如果tail追赶上了head就说明队满了(前提是相隔一个空闲单元),如果head追赶上了tail就说明队列空了。
因此循环队列中,判断队列为空的条件是:head==tail。
判断队列为满的情况就是:tail+1=head(即tail的下一个是head,因为前面说了不为空的情况下两者之间需相隔一个单元),不过如果tail与head正好一个在队头一个在队尾(即tail=7,head=0)的时候,队列也是满的,但上述公式就不成立了,因此正确判断队满的公式应该是:(tail+1)%n=head
-
优先队列
优先队列(priority Queue)是一种特殊的队列,它不遵守先进先出的原则,它是按照优先级出队列的。分为最大优先队列(是指最大的元素优先出队)和最小优先队列(是指最小的元素优先出队)。
一般用堆来实现优先队列,在后面讲堆的文章里我会详细再讲,这里了解一下即可。
二、「 队列 」的算法实践?
我们看看经常涉及到 队列 的 算法题(来源leetcode):
算法题1: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。
解题思路:堆栈是FILO先进后出,队列是FIFO先进先出,要使用堆栈来实现队列的功能,可以采用2个堆栈的方式。堆栈A和堆栈B,当有元素要插入的时候,就往堆栈A里插入。当要移除元素的时候,先将堆栈A里的元素依次出栈放入到堆栈B中,再从堆栈B的顶部出数据。如此便基于2个堆栈实现了先进先出的原则了。
class MyQueue {
private Stack<Integer> s1 = new Stack<>();
private Stack<Integer> s2 = new Stack<>();
private int fornt;
/** Initialize your data structure here. */
public MyQueue() {
}
/** Push element x to the back of queue. */
public void push(int x) {
if(s1.empty()) fornt = x;
s1.push(x);
}
/** Removes the element from in front of queue and returns that element. */
public int pop() {
if(s2.empty()){
while(!s1.empty()){
s2.push(s1.pop());
}
}
return s2.pop();
}
/** Get the front element. */
public int peek() {
if(s2.empty()){
return fornt;
}
return s2.peek();
}
/** Returns whether the queue is empty. */
public boolean empty() {
return s1.empty()&&s2.empty();
}
}
入栈的时间复杂度为O(1),出栈的时间复杂度为O(1)
算法题2:使用队列来实现堆栈的下列操作:
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
解题思路:由于需要使用FIFO的队列模拟出FILO的堆栈效果,因此需要使用2个队列来完成,队列A和队列B,当需要进行入栈操作的时候,直接往队列A中插入元素。当需要进行出栈操作的时候,先将队列A中的前n-1个元素依次出队移动到队列B中,这样队列A中剩下的最后一个元素其实就是我们所需要出栈的元素了,将这个元素出队即可。
class MyStack {
private Queue<Integer> q1 = new LinkedList<>();
private Queue<Integer> q2 = new LinkedList<>();
int front;
/** Initialize your data structure here. */
public MyStack() {
}
/** Push element x onto stack. */
public void push(int x) {
q1.add(x);
front = x;
}
/** Removes the element on top of the stack and returns that element. */
public int pop() {
while(q1.size()>1){
front = q1.remove();
q2.add(front);
}
int val = q1.remove();
Queue<Integer> temp = q2;
q2 = q1;
q1 = temp;
return val;
}
/** Get the top element. */
public int top() {
return front;
}
/** Returns whether the stack is empty. */
public boolean empty() {
return q1.size()==0;
}
}
入栈的时间复杂度为O(1),出栈的时间复杂度为O(n)
这道题其实还有另一个解法,只需要一个队列就可以做到模拟出堆栈,思路就是:当需要进行入栈操作的时候,先将新元素插入到队列的队尾中,再将这个队列中的其它元素依次出队,队列的特性当然是从队头出队了,但是出来的元素再让它们从队尾入队,这样依次进行,留下刚才插入的新元素不动,这个时候,这个新元素其实就被顶到了队头了,新元素入栈的动作就完成了。当需要进行出栈操作的时候,就直接将队列队头元素出队即是了。
思路已经写出来了,代码的话就留给大家练习了哦。
以上,就是对数据结构「 队列 」的一些思考。
码字不易啊,喜欢的话不妨转发朋友吧。
标签:队列,一看,元素,算法,出队,front,rear,指针 来源: https://www.cnblogs.com/jsjwk/p/11510755.html