栈和队列

作者: 某昆 | 来源:发表于2017-03-11 12:54 被阅读189次

    目录

    1、引言
    2、栈
    3、队列

    引言

    栈和队列都是动态集合,可以理解为线性表或线性表实现的数据结构。它可以由数组实现,也可以由链表实现。

    和数组链表等不一样的是,栈、队列添加、删除数据的位置都是预先设定的。在栈中,被删除的是最近被插入的元素,栈实现的是一种先进后出的策略。而队列中,被删去的总是在集合中存在时间最长的元素,队列实现的是一种先进先出的策略。

    栈和队列是非常有用的数据结构,在计算机中很多的地方使用了栈、队列的思想。函数执行的压栈及出栈,消息队列的使用等等。本文最后将介绍栈和队列的常见使用场景,递归转化。

    栈的常用操作为以下四种

    • push,在栈顶插入一个元素
    • pop,弹出栈顶的元素
    • peek,查看栈顶元素
    • getSize,查看栈内元素的个数

    本文中栈由数组实现。

    由于入栈和出栈的操作都只集中在栈顶,所以栈实现中,必须定义变量mTop,用于标记当前栈顶位置。

    插入操作,在mTop位置上插入新元素,mTop自增即可。

    出栈操作,返回mTop自减后的位置的元素。

    获取栈内元素个数,即为mTop值大小。

    private int mTop = 0;
    private static final int MAX = 20;
    private Object[] mArray = null;
    
    public DemoStack(){
        mTop = 0;
        mArray = new Object[MAX];
    }
    
    public int getSize(){
        return mTop;
    }
    
    public boolean push(T e){
        if (mTop < MAX) {
            mArray[mTop] = e;
            mTop ++;
            return true;
        }
        System.out.println("stack is full");
        return false;
    }
    
    public boolean isEmpty(){
        return mTop == 0;
    }
    
    public T pop(){
        if (mTop == 0) {
            System.out.println("stack is empty");
            return null;
        }
        T e = (T) mArray[--mTop];
        return e;
    }
    
    public T peek(){
        int index = mTop - 1;
        return (T) mArray[index];
    }
    

    栈的实现比较简单,但栈的用处非常大。

    在java虚拟机中,函数的调用,会生成一个个函数调用栈,等函数执行完毕,得到函数的返回值,出栈,回到之前调用函数的地方。递归能简便解决非常多的问题,但递归有个最大的问题就是执行效率不高,因为函数调用的次数太多了。结合java虚拟机的函数调用思想,可否优化递归呢?因为递归本质上是将某一个状态的结果保存在栈中,再计算另外一个状态。如果不用递归,也可以使用栈数据结构来保存部分结果。

    栈的使用场景之一,就是递归转化,使用栈保存部分结果,取结果再计算下一个状态的结果。二叉树的遍历分为前序遍历,中序遍历,后序遍历,递归实现非常简单,也可以使用栈将递归转化。

    前序遍历非常简单,是三种遍历中转化最容易的一种。

      public void preTraverseByStack(Node root) {
        if (root == null) {
            return;
        }
        DemoStack<Node> stack = new DemoStack<>();
        stack.push(root);
        Node temp = null;
        while (!stack.isEmpty()) {
            temp = stack.pop();
            System.out.print(temp + "   ");
            if (temp.hasRightChild()) {
                stack.push(temp.getRightChild());
            }
            if (temp.hasLeftChild()) {
                stack.push(temp.getLeftChild());
            }
        }
        System.out.println();
    }
    

    中序遍历开始有一定困难了,中序遍历必须先遍历左子树,所以需要找到最左最下方的叶子结点。如果栈中元素值为空,则说明此元素的子元素已经被遍历过了或者不需要处理了。

      public void middleTraverseByStack(Node root){
        if (root == null) {
            return;
        }
        DemoStack<Node> stack = new DemoStack<>();
        stack.push(root);
        Node temp = null;
        while (!stack.isEmpty()) {
            while (stack.peek() != null && stack.peek().hasLeftChild()) {
                stack.push(stack.peek().getLeftChild());
            }
            if (stack.peek() == null) {
                stack.pop();
            }
            if (!stack.isEmpty()) {
                temp = stack.pop();
                System.out.print(temp + "   ");
                stack.push(temp.getRightChild());
            }
        }
        System.out.println();
    }
    

    后序遍历是三种转化中最难的,它需要先遍历左右子树才行,因为需要使用两个临时变化,记录之前遍历的结点和当前结点。

      public void lastTraverseByStack(Node root){
        if (root == null) {
            return;
        }
        DemoStack<Node> stack = new DemoStack<>();
        stack.push(root);
        Node cur = null;
        Node pre = null;
        while (!stack.isEmpty()) {
            cur = stack.peek();
            if ((cur.getLeftChild() == null && cur.getRightChild() == null)
                    || (pre != null && (pre == cur.getLeftChild() || pre == cur.getRightChild()))) {
                System.out.print(cur + "   ");
                stack.pop();
                pre = cur;
            }else {
                if (cur.hasRightChild()) {
                    stack.push(cur.getRightChild());
                }
                if (cur.hasLeftChild()) {
                    stack.push(cur.getLeftChild());
                }
            }
            
        }
    }
    

    栈的使用场景还有很多,例如四则运算等等。在具体场景中,只要采用了合适的数据结构,事半功倍!

    队列

    队列的常用操作为:

    • enqueue,入队,在队列头部插入元素
    • dequeue,出队,在队列尾部删除元素
    • getSize,获取队列元素个数

    因为队列需要在队列头部和尾部进行元素操作,所以需要两个指针,一个指向头部,一个指向尾部。

    队列比栈复杂,队列涉及循环问题。如果使用队列装满元素,再删除所有元素,此时再添加新的元素,虽然队列的mTop值已经是最大了,但尾部仍有空间,需要需要在尾部添加元素。导致mTop值会比mTail值小。

    private int mTop;
    private int mTail;
    private static final int MAX = 10;
    private Object[] mArray;
    private int mLength = 0;
    
    public DemoQueue(){
        mTop = mTail = 0;
        mArray = new Object[MAX];
        mLength = 0;
    }
    
    public int getSize(){
        return mLength;
    }
    
    public boolean enqueue(T e){
        if (getSize() == MAX) {
            System.out.println("queue is full");
            return false;
        }
        if (mTop == MAX) {
            mTop -= MAX;
        }
        mArray[mTop] = e;
        mTop ++;
        mLength++;
        return true;
    }
    
    public T dequeue(){
        if (getSize() == 0) {
            System.out.println("queue is empty");
            return null;
        }
        int index = mTail;
        mTail++;
        if (mTail == MAX) {
            mTail -= MAX;
        }
        mLength--;
        return (T) mArray[index];
    }
    

    队列和栈一样是非常重要的数据结构,在日常开发中常常用到消息队列,可能会接到某个需要,不允许漏掉任何一个消息,此时就可以使用队列完成需求。本例中,使用队列遍历二叉树,且是从上到下从左到右的水平遍历。

      public void traverse(Node root){
        if (root == null) {
            return;
        }
        DemoQueue<Node> queue = new DemoQueue<>();
        queue.enqueue(root);
        Node temp = null;
        while (queue.getSize() > 0) {
            temp = queue.dequeue();
            System.out.print(temp + "   ");
            if (temp.hasLeftChild()) {
                queue.enqueue(temp.getLeftChild());
            }
            if (temp.hasRightChild()) {
                queue.enqueue(temp.getRightChild());
            }
        }
        System.out.println();
    }
    

    本文中所有代码均已上传到本人的github空间,欢迎访问。

    相关文章

      网友评论

        本文标题:栈和队列

        本文链接:https://www.haomeiwen.com/subject/grpagttx.html