C++学习笔记——stack和queue

stack和queue

在数据结构中学习栈和队列,模拟实现时,可能会将其视为一种容器,这似乎和顺序表、链表没什么不同,但STL中,将其称为容器适配器,这是因为stack和queue只是对其他容器的接口进行了包装,用于包装的容器为deque

1 容器适配器

1.1 适配器概念

适配器是一种设计模式 (设计模式是一套被反复使用的、多人知晓的、经过分类编目的、代码设计经验的总结),该种模式是将一个类的接口转换成客户希望的另一个接口

1.2 STL中stack和queue的底层结构

2 deque

2.1 deque简要介绍

deque(双端队列):是一种双开口的"连续"空间的数据结构,双开口的含义是:可以在头尾两端进行插入和删除操作,且时间复杂度为O(1),与vector比较,头插效率高,不需要搬移元素;与list比较,空间利用率比较高。

deque并不是真正连续的空间,而是由一段段连续的小空间拼接而成的,实际deque类似于一个动态的二维数组,其底层结构如下图所示:

双端队列底层是一段假象的连续空间,实际是分段连续的,为了维护其"整体连续"以及随机访问的假象,落在了deque的迭代器身上,因此deque的迭代器设计就比较复杂,如下图所示:

整个deque的全景如下图所示:

2.2 deque的优缺点分析

优点

  • 与vector比较,deque的优势是:头部插入和删除时,不需要搬移元素效率特别高,而且在扩容时,也不需要搬移大量的元素,因此其效率是必vector高的。
  • 与list比较,其底层是连续空间,空间利用率比较高,不需要存储额外字段。
  • 查询的效率 略逊于vector,但比list高很多:当各个buffer的大小一致的时候,查询可以简单的通过i//sizeof(buffer)i%sizeof(buffer)来定位。

缺点

  • 不适合遍历:因为在遍历时,deque的迭代器要频繁的去检测其是否移动到某段小空间的边界,导致效率低下,在实际中,需要线性结构时,大多数情况下优先考虑vector和list
  • 中间插入较复杂 :中间字段的buffer都是已经放满的了,如果要插入就要面临两种选择:
    1. 扩容buffer:这将导致各个buffer的大小不一致,实际运用过程中如果发生了这种情况,将导致查询的效率也降低,这是得不偿失的。
    2. 和vector一样移动数据:这样造成的损失同样很高,但至少比起第一种方案要好一点。

基于以上原因,使用deque最好的场景就是避免了上述缺点情况的发生,也就是用其来实现stack和queue

2.3 使用deque来实现stack和queue

stack是一种后进先出的特殊线性数据结构,因此只要具有push_back()和pop_back()操作的线性结构,都可以作为stack的底层容器,比如vector和list都可以;queue是先进先出的特殊线性数据结构,只要具有push_back和pop_front操作的线性结构,都可以作为queue的底层容器,比如list。但是STL中对stack和queue默认选择deque作为其底层容器,主要是因为:

  1. stack和queue不需要遍历(因此stack和queue没有迭代器),只需要在固定的一端或者两端进行操作。
  2. 在stack中元素增长时,deque比vector的效率高(扩容时不需要搬移大量数据);queue中的元素增长时,deque不仅效率高,而且内存使用率高。

结合了deque的优点,而完美的避开了其缺陷。

3 使用deque模拟实现stack和queue

c++ 复制代码
// 代码框架
#include <deque>
namespace MySTL
{
    template<class T, class Con = std::deque<T>>
    class stack
    {
    public:
        stack();
        void push(const T& x);
        void pop();
        T& top();
        const T& top()const;
        size_t size()const;
        bool empty()const;
    private:
        Con _c;
    };

    template<class T, class Con = std::deque<T>>
    class queue
    {
    public:
        queue();
        void push(const T& x);
        void pop();
        T& back();
        const T& back()const;
        T& front();
        const T& front()const;
        size_t size()const;
        bool empty()const;
    private:
        Con _c;
    };
};
c++ 复制代码
// 实现结果
#include <deque>
#include <iostream>
namespace MySTL
{
    template<class T, class Con = std::deque<T>>
    class stack
    {
    public:
        stack() {}
        void push(const T& x) {
            _c.push_back(x);
        }
        void pop() {
            _c.pop_back();
        }
        T& top() {
            return _c.back();
        }
        const T& top()const {
            return _c.back();
        }
        size_t size()const {
            return _c.size();
        }
        bool empty()const {
            return _c.empty();
        }
    private:
        Con _c;
    };

    template<class T, class Con = std::deque<T>>
    class queue
    {
    public:
        queue() {}
        void push(const T& x) {
            _c.push_back(x);
        }
        void pop() {
            _c.pop_front();
        }
        T& back() {
            return _c.back();
        }
        const T& back()const {
            return _c.back();
        }
        T& front() {
            return _c.front();
        }
        const T& front()const {
            return _c.front();
        }
        size_t size()const {
            return _c.size();
        }
        bool empty()const {
            return _c.empty();
        }
    private:
        Con _c;
    };
};

4 priority_queue

4.1 priority_queue的介绍

  1. 优先队列是一种容器适配器,根据严格的弱排序标准,它的第一个元素总是它所包含的元素中最大的。
  2. 此上下文类似于堆,在堆中可以随时插入元素,并且只能检索最大堆元素(优先队列中位于顶部的元素)。
  3. 优先队列被实现为容器适配器,容器适配器即将特定容器类封装作为其底层容器类,queue提供一组特定的成员函数来访问其元素。元素从特定容器的"尾部"弹出,其称为优先队列的顶部。
  4. 底层容器可以是任何标准容器类模板,也可以是其他特定设计的容器类。容器应该可以通过随机访问迭代器访问,并支持以下操作:
    • empty():检测容器是否为空
    • size():返回容器中有效元素个数
    • front():返回容器中第一个元素的引用
    • push_back():在容器尾部插入元素
    • pop_back():删除容器尾部元素
  5. 标准容器类vector和deque满足这些需求。默认情况下,如果没有为特定的priority_queue类实例化指定容器类,则使用vector。
  6. 需要支持随机访问迭代器,以便始终在内部保持堆结构。容器适配器通过在需要时自动调用算法函数make_heap、push_heap和pop_heap来自动完成此操作。

4.2 priority_queue的使用

优先级队列默认使用vector作为其底层存储数据的容器,在vector上又使用了堆算法将vector中元素构造成堆的结构,因此priority_queue就是堆,所有需要用到堆的位置,都可以考虑使用priority_queue。

注意:

  1. 默认情况下priority_queue是大堆。

  2. 如果在priority_queue中放自定义类型的数据,用户需要在自定义类型中提供> 或者< 的重载。

4.3 priority_queue模拟实现

c++ 复制代码
// 代码框架
#include<vector>

namespace MySTL
{
    template <class T, class Container = std::vector<T>, class Compare = std::less<T> >
    class priority_queue
    {
    public:
        priority_queue();
        template <class InputIterator>
        priority_queue(InputIterator first, InputIterator last);
        bool empty() const;
        size_t size() const;
        T& top() const;
        void push(const T& x);
        void pop();
    private:
        Container c;
        Compare comp;
    };
};
c++ 复制代码
// 实现结果
#include<vector>

namespace MySTL
{
    template <class T, class Container = std::vector<T>, class Compare = std::less<T> >
    class priority_queue
    {
    public:
        priority_queue() :c() {}
        template <class InputIterator>
        priority_queue(InputIterator first, InputIterator last) : c(first, last) {
            for (int i = (c.size() - 2) / 2; i >= 0; --i) {
                AdjustDown(i);
            }
        }
        bool empty() const {
            return c.empty();
        }
        size_t size() const {
            return c.size();
        }
        T& top() const {
            return c.front();
        }
        void push(const T& x) {
            c.push_back(x);
            AdjustUp(c.size() - 1);
        }
        void pop() {
            if (empty())
                return;
            std::swap(c.front(), c.back());
            c.pop_back();
            AdjustDown(0);
        }
    private:
        void AdjustUp(int child) {
            int parent = (child - 1) / 2;
            while (child) {
                if (comp(c[parent], c[child])) {
                    std::swap(c[parent], c[child]);
                    child = parent;
                    parent = (child - 1) / 2;
                }
                else
                    return;
            }
        }
        void AdjustDown(int parent) {
            int child = parent * 2 + 1;
            while (child < c.size()) {
                if (child + 1 < c.size() && comp(c[child], c[child + 1])) {
                    child = child + 1;
                }

                if (comp(c[parent], c[child])) {
                    std::swap(c[parent], c[child]);
                    parent = child;
                    child = parent * 2 + 1;
                }
                else
                    return;
            }
        }
        Container c;
        Compare comp;
    };
};
相关推荐
moxiaoran57532 小时前
Go语言并发处理
开发语言·后端·golang
小旭95272 小时前
【Java 基础】泛型<T>
java·开发语言·intellij-idea
Tony Bai2 小时前
AI 时代,Go 语言会“失宠”还是“封神”?—— GopherCon 2025 圆桌深度复盘
开发语言·人工智能·后端·golang
ValhallaCoder2 小时前
Day51-图论
数据结构·python·算法·图论
苦藤新鸡2 小时前
24.判断回文链表
数据结构·链表
寻星探路2 小时前
【全景指南】JavaEE 深度解析:从 Jakarta EE 演进、B/S 架构到 SSM 框架群实战
java·开发语言·人工智能·spring boot·ai·架构·java-ee
晨非辰2 小时前
Linux文件操作实战:压缩/传输/计算10分钟速成,掌握核心命令组合与Shell内核交互秘籍
linux·运维·服务器·c++·人工智能·python·交互
tc&2 小时前
新虚拟机安装 Go 环境:问题总结与解决方案
开发语言·后端·golang
MSTcheng.2 小时前
【C++】使用哈希表封装unordered_set和unordered_map!
c++·哈希算法·散列表·map/set封装