文章目錄
一、棧
1.1 什麼是棧
- 棧是一種線性架構
- 相比數組,棧對應的操作是數組的子集
- 棧只能從一端添加元素,也只能從一端取出元素,最先放入堆棧中的內容最後被拿出來,最後放入堆棧中的內容最先被拿出來, 被稱爲 先進後出 、後進先出。
- 這裏說的一端指的就是 棧頂,刪除與添加均在棧頂進行操作
如下圖所示:
在上圖中我們可以看到棧是一種後進先出的數據結構,也就是 Last In First Out(LIFO) ,我們經常看到有 LIFO 找個單詞的時候,就是說這是一種後進先出的數據結構,在計算機的世界裏,棧擁有着不可思議的作用,接下來我們就來聊一聊,棧的應用。
1.2 棧的應用
1.2.1 無處不在的撤銷(undo)操作
棧在我們計算機的世界裏,都有哪些操作呢?不管我們是用開發工具,還是文本編輯,我們都會用一個很常用的操作 (undo操作) ,也就是我們常用的 撤銷,當我們打字打快了,打錯了,我們只需要按住ctrl + z
,就可以將我們輸入的文字撤銷掉,那麼棧是如何在撤銷中工作的,比如我們想打我愛我的祖國
,這幾個字,但是我們打完 我愛我的
,準備打祖國的時候,不小心打成了 一起
,於是我們就可以進行 撤銷操作,將我們的 一起
,進行出棧操作,然後在將 祖國
添加到我們的棧裏面,這樣就完成了一次棧在撤銷中的工作。
如下圖所示:
1.2.1 計算機程序調用的系統棧
比如我有下面一段代碼:
public static void A(){
System.out.println("A start");
B();
System.out.println("A end");
}
public static void B(){
System.out.println("B start");
C();
System.out.println("B end");
}
public static void C(){
System.out.println("C end");
}
首先我們會先進入 方法 A(),打印輸出語句 A start
,將方法 A(),作爲第一個棧,進行入棧操作,放入我們的系統棧中,然後進入方法 B(),打印輸出語句 B start
,將方法 B(),作爲第二個棧進行入棧操作,再進入方法 C(),打印我們的 C end
,到這裏入棧操作已經完成了,我們就會從我們的棧裏面去取我們剛纔入棧的方法,因爲 B() 方法是最後一個入棧的,遵循棧 先進後出 的原則,首先我們取出 B() 方法,進行 出棧操作,打印輸出語句 B end
,最好我們取出A() 方法,進行 出棧操作,打印輸出語句 A end
,以上整個就是我們程序調用系統棧的操作,我們來看下打印結果:
A start
B start
C end
B end
A end
執行流程如下圖所示:
如果能夠合理的運行棧,會對我們的程序起很好的作用,還有一些棧的應用,比如 遞歸算法
1.3 棧的實現
這裏我們關於數組部分,可以查看上一篇:動態數組
首先我們需要以下幾個棧元素:
int getSize(); // 獲取棧的元素多少
boolean isEmpty(); //查看棧是否爲空
void push(E e); //添加棧元素
E pop(); //出棧
E peek(); //查看棧頂元素是多少
具體方法實現:
自定義數組類:
public class Array<E> {
private E[] data;
private int size;
// 構造函數,傳入數組的容量capacity構造Array
public Array(int capacity){
data = (E[])new Object[capacity];
size = 0;
}
// 無參數的構造函數,默認數組的容量capacity=10
public Array(){
this(10);
}
// 獲取數組的容量
public int getCapacity(){
return data.length;
}
// 獲取數組中的元素個數
public int getSize(){
return size;
}
// 返回數組是否爲空
public boolean isEmpty(){
return size == 0;
}
// 在index索引的位置插入一個新元素e
public void add(int index, E e){
if(index < 0 || index > size)
throw new IllegalArgumentException("Add failed. Require index >= 0 and index <= size.");
if(size == data.length)
resize(2 * data.length);
for(int i = size - 1; i >= index ; i --)
data[i + 1] = data[i];
data[index] = e;
size ++;
}
// 向所有元素後添加一個新元素
public void addLast(E e){
add(size, e);
}
// 在所有元素前添加一個新元素
public void addFirst(E e){
add(0, e);
}
// 獲取index索引位置的元素
public E get(int index){
if(index < 0 || index >= size)
throw new IllegalArgumentException("Get failed. Index is illegal.");
return data[index];
}
public E getLast(){
return get(size - 1);
}
public E getFirst(){
return get(0);
}
// 修改index索引位置的元素爲e
public void set(int index, E e){
if(index < 0 || index >= size)
throw new IllegalArgumentException("Set failed. Index is illegal.");
data[index] = e;
}
// 查找數組中是否有元素e
public boolean contains(E e){
for(int i = 0 ; i < size ; i ++){
if(data[i].equals(e))
return true;
}
return false;
}
// 查找數組中元素e所在的索引,如果不存在元素e,則返回-1
public int find(E e){
for(int i = 0 ; i < size ; i ++){
if(data[i].equals(e))
return i;
}
return -1;
}
// 從數組中刪除index位置的元素, 返回刪除的元素
public E remove(int index){
if(index < 0 || index >= size)
throw new IllegalArgumentException("Remove failed. Index is illegal.");
E ret = data[index];
for(int i = index + 1 ; i < size ; i ++)
data[i - 1] = data[i];
size --;
data[size] = null; // loitering objects != memory leak
if(size == data.length / 4 && data.length / 2 != 0)
resize(data.length / 2);
return ret;
}
// 從數組中刪除第一個元素, 返回刪除的元素
public E removeFirst(){
return remove(0);
}
// 從數組中刪除最後一個元素, 返回刪除的元素
public E removeLast(){
return remove(size - 1);
}
// 從數組中刪除元素e
public void removeElement(E e){
int index = find(e);
if(index != -1)
remove(index);
}
@Override
public String toString(){
StringBuilder res = new StringBuilder();
res.append(String.format("Array: size = %d , capacity = %d\n", size, data.length));
res.append('[');
for(int i = 0 ; i < size ; i ++){
res.append(data[i]);
if(i != size - 1)
res.append(", ");
}
res.append(']');
return res.toString();
}
// 將數組空間的容量變成newCapacity大小
private void resize(int newCapacity){
E[] newData = (E[])new Object[newCapacity];
for(int i = 0 ; i < size ; i ++)
newData[i] = data[i];
data = newData;
}
}
接口類:
public interface Stack<E> {
int getSize();
boolean isEmpty();
void push(E e);
E pop();
E peek();
}
接口實現:
import com.lyy.datasty.Array;
/**
* @program: Data-Structures
* @ClassName ArrayStack
* @description:
* @author: lyy
* @create: 2019-11-20 21:52
* @Version 1.0
* 用戶不能看棧中間的元素,只能看到棧頂的元素
**/
public class ArrayStack<E> implements Stack<E>{
Array<E> array;
public ArrayStack(int capacity){
array = new Array<>(capacity);
}
public ArrayStack(){
array = new Array<>();
}
@Override
public int getSize() {
return 0;
}
@Override
public boolean isEmpty() {
return array.isEmpty();
}
public int getCapacity(){
return array.getCapacity();
}
@Override
public void push(E e) {
array.addLast(e);
}
@Override
public E pop() {
return array.removeLast();
}
@Override
public E peek() {
return array.getLast();
}
@Override
public String toString() {
StringBuilder res = new StringBuilder();
res.append("Stack:");
res.append('[');
for (int i = 0; i < array.getSize(); i++) {
res.append(array.get(i));
if(i != array.getSize() - 1)
res.append(",");
}
res.append("] top");//哪裏是棧頂
return res.toString();
}
}
測試結果:
Stack: [0] top
Stack: [0, 1] top
Stack: [0, 1, 2] top
Stack: [0, 1, 2, 3] top
Stack: [0, 1, 2, 3, 4] top
Stack: [0, 1, 2, 3] top
從結果中我們可以看到,我們每循環一次就添加一條數據,這裏爲了好讓我們知道哪一個是 棧頂,我們在最後一個添加的數據那裏,加了一個 top ,最新增加的數據,就是我們的棧頂,當我們添加完成後,可以看到棧數據爲:[0, 1, 2, 3, 4] top,當我們出棧一個數據後,我們就可以看到 棧頂數據 4 就沒有了,以上就是對於棧實現的代碼,感興趣的小夥伴可以自己實現一遍,源碼在最後我會放在 github上,有興趣的小夥伴記得下載。
1.4 棧的時間複雜度
ArrayStack:
方法 | 時間複雜度 |
---|---|
void push(E e) | O(1) 均攤 |
E pop() | O(1) 均攤 |
E peek() | O(1) |
int getSize() | O(1) |
boolean isEmpty() | O(1) |
二、隊列
2.1 隊列認識
- 隊列與棧一樣是一種線性結構,因此以常見的線性表如數組、鏈表作爲底層的數據結構。
- 相比數組,隊列對應的操作是數組的子集
- 隊列只能從一端(隊尾)添加元素,只能從一端(隊首)取出元素,也就是隊尾添加元素,在隊頭刪除元素
- 隊列是一種先進先出的數據結構(先到先得)
- 隊列列中的數據元素遵循“先進先出”(First In First Out)的原則,簡稱 FIFO 結構。
- 隊列是一個 先進先出的線性表,相應的也有
順序存儲 和 鏈式存儲
兩種方式。
在隊列中,新添加的一端爲 隊尾 ,另一端爲 隊首 ,當一個元素從隊尾進入隊列時,一直向隊首移動,直到它成爲移除的元素爲止。這種 先進先出(FIFO) 模式,在我們生活中也隨處可見,比如:我們去銀行櫃檯取錢,我們在取錢之前就要先去取號,先做 入隊操作,也就是我們隊列中的在 隊尾添加元素,新來的人等待排隊,等待前面的人處理完,當前面取號的人在櫃檯處理完之後,就會叫下一個號碼,這個過程就是 出隊操作,只有當在我們前面的人,都處理完之後纔會輪到我們。
如下圖:
2.2 數組隊列的實現(順序存儲)
首先我們需要以下幾個棧元素:
int getSize(); // 獲取隊列的元素多少
boolean isEmpty(); //查看隊列是否爲空
void enqueue(E e); //添加隊列元素
E dequeue(); //刪除隊列隊首元素
E getFront(); //獲取隊首隊列元素
2.2.1 接口實現
public interface Queue<E> {
int getSize();
boolean isEmpty();
void enqueue(E e);
E dequeue();
E getFront();
}
2.2.2 接口類實現
public class ArrayQueue<E> implements Queue<E> {
private Array<E> array;
public ArrayQueue(int capacity){
array = new Array<>(capacity);
}
public ArrayQueue(){
array = new Array<>();
}
@Override
public int getSize(){
return array.getSize();
}
@Override
public boolean isEmpty(){
return array.isEmpty();
}
public int getCapacity(){
return array.getCapacity();
}
@Override
public void enqueue(E e){
array.addLast(e);
}
@Override
public E dequeue(){
return array.removeFirst();
}
@Override
public E getFront(){
return array.getFirst();
}
@Override
public String toString(){
StringBuilder res = new StringBuilder();
res.append("Queue: ");
res.append("front [");
for(int i = 0 ; i < array.getSize() ; i ++){
res.append(array.get(i));
if(i != array.getSize() - 1)
res.append(", ");
}
res.append("] tail");
return res.toString();
}
public static void main(String[] args) {
ArrayQueue<Integer> queue = new ArrayQueue<>();
for(int i = 0 ; i < 10 ; i ++){
queue.enqueue(i);
System.out.println(queue);
if(i % 3 == 2){
queue.dequeue();
System.out.println(queue+":================="+(i % 3));
}
}
}
}
2.2.3 執行結果
Queue: front [0] tail
Queue: front [0, 1] tail
Queue: front [0, 1, 2] tail
Queue: front [1, 2] tail:=================2
Queue: front [1, 2, 3] tail
Queue: front [1, 2, 3, 4] tail
Queue: front [1, 2, 3, 4, 5] tail
Queue: front [2, 3, 4, 5] tail:=================2
Queue: front [2, 3, 4, 5, 6] tail
Queue: front [2, 3, 4, 5, 6, 7] tail
Queue: front [2, 3, 4, 5, 6, 7, 8] tail
Queue: front [3, 4, 5, 6, 7, 8] tail:=================2
Queue: front [3, 4, 5, 6, 7, 8, 9] tail
首先我們總共是循環十次,添加到隊列中,每天添加一次打印隊列中的元素,如果遇到 i % 3 == 2
,我們就去除隊首的元素,就是我們在結果中看到的 =================2
的位置,每次都會把最先添加(隊首)的元素給刪除掉,從上面的結果中可以看出,當我們每次去 queue.dequeue()
元素的時候,其實就是操作數組中的 size --
,這樣對於我們隊列來說效率其實是很慢的,如果刪除隊首元素,後面的元素就要往前移動,對應的時間複雜度就是O(n)。
2.2.4 數組隊列複雜度分析
方法 | 時間複雜度 |
---|---|
void enqueue(E e) | O(1) 均攤 |
E dequeue() | O(n) |
E getFront() | O(1) |
int getSize() | O(1) |
boolean isEmpty() | O(1) |
2.2.4 數組隊列的問題
從上面的執行結果我們可以看到,對於隊列的執行來說,刪除隊首元素,後面的元素就要往前移動,如果,有一個n個元素的隊列,數組下標 0 的一端是隊首,入隊操作(void enqueue(E e))就是通過數組下標一個個順序追加,不需要移動元素,但是如果刪除(E dequeue())隊首元素,後面的元素就要往前移動,我們可以想象一下,有一個 10000 的元素,我們從下標 0 開始添加,添加完成後,刪除 隊首的元素,那麼我們需要移動 9999 次, 這個操作的複雜度,對於 數組隊列
來說是非常耗時的一個操作。
如下圖所示:
2.3 隊列的實現(循環隊列)
2.3.1 循環隊列
每當我們刪除隊首元素,後面的元素就要往前移動,因爲,我們可以使用另一種方式來實現隊列,也就是我們上面提到的 鏈式存儲,也稱 循環隊列,這種方式是使用 鏈表 實現,比如:有兩個指針,front 指向隊頭,tail 指向對尾元素的下一個位置,元素出隊時 front 往後移動,如果到了對尾則轉到頭部,同理入隊時 tail 後移,如果到了對尾則轉到頭部,這樣通過下標 front 出隊時,就不需要移動元素了,如果當我們的 front == tail
的時候,則說明隊列爲空。如下圖所示:
這樣我們的刪除操作就變成了一個O(1) 的操作,如果當我們的 tail 滿了,但是 front 前面還有空間,我們可以將 tail 引入之前在 front 前面刪除的下標中 ,這樣我們又可以繼續添加數據了,這就是循環隊列的來由,我們可以把我們的數組隊列看成一個 “環”,7 之後的索引是 0 ,什麼時候我們的隊列纔會滿呢?當我們的 tail + 1 = front
的時候,就說明我們的隊列纔算真正的滿了,如下圖所示:
那麼,這個時候 front == tail
爲空 既可以標識爲空也可以用於堆滿,因此我們可以用 (tail + 1) % c == front
的表示隊列滿了,在這裏 c = 8
就是我們隊列的長度,例如我們的 front 指的是 2 而我們的 tail 指的是 1 的話,那麼這個隊列就是滿的,因爲 (1+1)% 8 = 2,大家可以想象一下,我們的鐘表,我們的鐘表十一點鐘下一個時間,我們可以叫12點也可以叫0點,之後又變成了一點兩點三點以此類推,我們整個循環隊列的就想鐘錶一樣形成了一個環。
注意:在這裏我們需要在 capacity 中浪費一個空間,用來判斷隊列是否滿了,因此我們需要在用戶傳遞隊列大小的時候,進行 +1 操作,再添加一個元素空間。
2.3.1 循環隊列編碼實現
首先我們需要以下幾個元素:
int getSize(); // 獲取隊列的元素多少
boolean isEmpty(); //查看隊列是否爲空
void enqueue(E e); //添加隊列元素
E dequeue(); //刪除隊列隊首元素
E getFront(); //獲取隊首隊列元素
1、接口類:
public interface Queue<E> {
int getSize();
boolean isEmpty();
void enqueue(E e);
E dequeue();
E getFront();
}
2、接口實現類:
public class LoopQueue<E> implements Queue<E> {
private E[] data;//存放的元素
private int front, tail;//兩個指針
private int size;//元素個數
public LoopQueue(int capacity){
data = (E[])new Object[capacity + 1];//進行 +1 操作,用來判斷隊列是否滿了
front = 0;
tail = 0;
size = 0;
}
public LoopQueue(){
this(10);
}
public int getCapacity(){
return data.length - 1;//獲取數據長度,需要在原來的基礎上 -1
}
@Override
public boolean isEmpty(){
return front == tail;//判斷隊列是否滿了,只需要判斷是否 front == tail
}
@Override
public int getSize(){
return size;
}
@Override
public void enqueue(E e){//添加元素
if((tail + 1) % data.length == front)//如果判斷 (tail + 1) % c == front 成立,表示隊列滿了,自動擴容
resize(getCapacity() * 2);//擴容原來的兩倍
data[tail] = e;
tail = (tail + 1) % data.length;
size ++;
}
@Override
public E dequeue(){//刪除元素
if(isEmpty())//判斷是否爲空
throw new IllegalArgumentException("Cannot dequeue from an empty queue.");
E ret = data[front];//獲取隊首元素
data[front] = null;//設置爲null
front = (front + 1) % data.length;//設置新隊首的下標位置
size --;//大小 -1
if(size == getCapacity() / 4 && getCapacity() / 2 != 0)//如果長度大小爲 getCapacity() / 4 並且 getCapacity() / 2 != 0 的時候,自動縮減
resize(getCapacity() / 2);
return ret;
}
@Override
public E getFront(){//獲取隊首元素
if(isEmpty())
throw new IllegalArgumentException("Queue is empty.");
return data[front];
}
private void resize(int newCapacity){//擴容操作
E[] newData = (E[])new Object[newCapacity + 1];
for(int i = 0 ; i < size ; i ++)
newData[i] = data[(i + front) % data.length];
data = newData;
front = 0;
tail = size;
}
@Override
public String toString(){
StringBuilder res = new StringBuilder();
res.append(String.format("Queue: size = %d , capacity = %d\n", size, getCapacity()));
res.append("front [");
for(int i = front ; i != tail ; i = (i + 1) % data.length){
res.append(data[i]);
if((i + 1) % data.length != tail)
res.append(", ");
}
res.append("] tail");
return res.toString();
}
public static void main(String[] args){
LoopQueue<Integer> queue = new LoopQueue<>(5);
for(int i = 0 ; i < 10 ; i ++){
queue.enqueue(i);
System.out.println(queue);
if(i % 2 == 0){
queue.dequeue();
System.out.println(queue+":================"+i % 2);
}
}
}
}
3、執行結果:
Queue: size = 1 , capacity = 5
front [0] tail
Queue: size = 0 , capacity = 5
front [] tail:================0
Queue: size = 1 , capacity = 5
front [1] tail
Queue: size = 2 , capacity = 5
front [1, 2] tail
Queue: size = 1 , capacity = 2
front [2] tail:================0
Queue: size = 2 , capacity = 2
front [2, 3] tail
Queue: size = 3 , capacity = 4
front [2, 3, 4] tail
Queue: size = 2 , capacity = 4
front [3, 4] tail:================0
Queue: size = 3 , capacity = 4
front [3, 4, 5] tail
Queue: size = 4 , capacity = 4
front [3, 4, 5, 6] tail
Queue: size = 3 , capacity = 4
front [4, 5, 6] tail:================0
Queue: size = 4 , capacity = 4
front [4, 5, 6, 7] tail
Queue: size = 5 , capacity = 8
front [4, 5, 6, 7, 8] tail
Queue: size = 4 , capacity = 8
front [5, 6, 7, 8] tail:================0
Queue: size = 5 , capacity = 8
front [5, 6, 7, 8, 9] tail
Queue:大小個數
capacity:是隊列長度,可以看到自動擴容和縮減
front:隊首 tail:隊尾
2.3.2 循環隊列時間複雜度
方法 | 時間複雜度 |
---|---|
void enqueue(E e) | O(1) 均攤 |
E dequeue() | O(1) 均攤 |
E getFront() | O(1) |
int getSize() | O(1) |
boolean isEmpty() | O(1) |
2.3 順序存儲和循環隊列性能對比
測試代碼:
public class Main {
// 測試使用q運行opCount個enqueueu和dequeue操作所需要的時間,單位:秒
private static double testQueue(Queue<Integer> q, int opCount){
long startTime = System.nanoTime();
Random random = new Random();
for(int i = 0 ; i < opCount ; i ++)
q.enqueue(random.nextInt(Integer.MAX_VALUE));
for(int i = 0 ; i < opCount ; i ++)
q.dequeue();
long endTime = System.nanoTime();
return (endTime - startTime) / 1000000000.0;
}
public static void main(String[] args) {
int opCount = 100000;
ArrayQueue<Integer> arrayQueue = new ArrayQueue<>();
double time1 = testQueue(arrayQueue, opCount);
System.out.println("ArrayQueue, time: " + time1 + " s");
LoopQueue<Integer> loopQueue = new LoopQueue<>();
double time2 = testQueue(loopQueue, opCount);
System.out.println("LoopQueue, time: " + time2 + " s");
}
}
執行結果:
ArrayQueue, time: 3.552273371 s
LoopQueue, time: 0.011760769 s
我們可以看到 LoopQueue 性能是遠遠高於 ArrayQueue 的,我們如果把數據加大 ,差異會更加明顯,如果是 1000000 的話,我的新電腦是 ArrayQueue:234s
,而LoopQueue 依舊是 0.幾秒
,大家可以自行測試感受下,不過就算是新電腦,在 1000000 數據下,也要等待一會才能執行完成。
到這裏棧和隊列就講完了,大家文章中有改進的地方或者有什麼不懂的地方,歡迎大家在下面留言,下一篇,我們將講解數據結構中最重要一個知識點——鏈表,喜歡的可以關注我,我是牧小農,我喂自己帶鹽,學習路上你我同行,大家加油!