【二】一起算法---队列：STL queue、手写循环队列、双端队列和单调队列、优先队列

纸上得来终觉浅，绝知此事要躬行。大家好！我是霜淮子，欢迎订阅我的专栏《算法系列》。

学习经典算法和经典代码，建立算法思维；大量编码让代码成为我们大脑的一部分。

⭐️已更系列

 1、基础数据结构

       1.1、链表➡传送门

       1.2、队列➡本章

专栏直达《算法系列》

目录

前言

机器翻译（洛谷P1540）

问题描述：

输入：

输出：

1.2、队列

1.2.1、STL queue

1.2.2、手写循环队列

1.2.3、双端队列和单调队列

1.2.4、优先队列

---

前言

机器翻译（洛谷P1540）

问题描述：

假设内存中有 MM 个单元，每单元能存放一个单词和译义。每当软件将一个新单词存入内存前，如果当前内存中已存入的单词数不超过 M-1M−1，软件会将新单词存入一个未使用的内存单元；若内存中已存入 MM 个单词，软件会清空最早进入内存的那个单词，腾出单元来，存放新单词。

假设一篇英语文章的长度为 NN 个单词。给定这篇待译文章，翻译软件需要去外存查找多少次词典？假设在翻译开始前，内存中没有任何单词。

输入：

共 22 行。每行中两个数之间用一个空格隔开。

第一行为两个正整数 M,NM,N，代表内存容量和文章的长度。

第二行为 NN 个非负整数，按照文章的顺序，每个数（大小不超过 10001000）代表一个英文单词。文章中两个单词是同一个单词，当且仅当它们对应的非负整数相同。

输出：

一个整数，为软件需要查词典的次数。

1.2、队列

队列中得数据存取方式是“先进先出”，只能向队尾插入数据，从对头移出数据。在我们的日常生活中很常见，比如食堂打饭的队伍，先到先服务。队列有两种实现的方式：链队列和循环队列，

链队列可以看作单链表的一种特殊情况，用指针把各个节点连接在一起。

循环队列是一种顺序表，使用一组连续的存储单元依次存放队列元素，用两个指针head和tail分别指示对头元素和队尾元素，当head和tail走到底的时，下一步回到开始的位置，从而在这组连续空间内循环。循环队列能解决溢出问题，如果不循环，head和tail一直往前走，head和tali都一直往前走，可能会走到存储空间之外，导致溢出。

队列的主要问题是查找慢，需要从头到尾一个个查找。在某些情况下可以使用优先队列，让优先级最高（最大的数或者最小的数）先出队列。

队列的代码很容易实现，如果使用简单环境，最简单的手写队列代码如下：

cont int N =le5;    //定义队列大小，确保够用
int que[N],head,tail;        //对头队尾指针，队列大小为tail-head+1
head++;                  //弹出对头，注意head<=tail
que[head];      //读取对头数据
que[++tail]=data; //数据data入队，尾指针加1，注意不能溢出 

• 这个队列不是循环的，tail可能超过N，导致溢出

1.2.1、STL queue

STL queue的主要操作如下

（1）、queue<Type>q:定义队列，Type为数据类型，如int、float、char等。

（2）、q.push(item):把item放进队列。

（3）、q.front( ):返回队首元素，但不会删除。

（4）、q.pop( ):删除对首元素。

（5）、q.back( ):返回队尾元素。

（6）、q.size( ):返回元素个数。

（7）、q.empty( ):检查队列是否为空。

下面给出STL queue的代码：

//洛谷P1540, STL queue
#include<bits/stdc++.h>
using namespace std;
int Hash[1003]={0};  //用哈希检查内存中有没有单词，hash[i]=1表示单词i在内存中
queue<int> mem;      //用队列模拟内存
int main(){int m,n;      scanf("%d%d",&m,&n);int cnt = 0;                         //查词典的次数while(n--){
int en;   scanf("%d",&en);       //输入一个英文单词
if(!Hash[en]){                   //如果内存中没有这个单词
++cnt;
mem.push(en);                //单词进队列，放到队列尾部
Hash[en]=1;                  //记录内存中有这个单词
while(mem.size()>m){         //内存满了
Hash[mem.front()] = 0;   //从内存中去掉单词
mem.pop();               //从队头去掉}}
}
printf("%d\n",cnt);
return 0;
}

1.2.2、手写循环队列

手写循环队列代码：

#include<bits/stdc++.h>
#define N 1003               //队列大小
int Hash[N]={0};             //用Hash检查内存中有没有单词
struct myqueue{int data[N];             //分配静态空间/* 如果动态分配，这样写： int *data;    */int head, rear;          //队头、队尾bool init(){             //初始化/*如果动态分配，这样写：Q.data = (int *)malloc(N * sizeof(int)) ;if(!Q.data) return false;        */head = rear = 0; return true;}int size(){ return (rear - head + N) % N;}       //返回队列长度        bool empty(){               //判断队列是否为空if(size()==0) return true;else          return false;}bool push(int e){           //队尾插入新元素。新的rear指向下一个空的位置if((rear + 1) % N == head ) return false;    //队列满data[rear] = e;rear = (rear + 1) % N;return true;}bool pop(int &e){           //删除队头元素，并返回它if(head == rear) return false;       //队列空e = data[head];head = (head + 1) % N;return true;}int front(){  return data[head]; }         //返回队首，但是不删除        
}Q;
int main(){Q.init();                    //初始化队列int m,n;  scanf("%d%d",&m,&n);int cnt = 0;while(n--){int en;  scanf("%d",&en);    //输入一个英文单词if(!Hash[en]){               //如果内存中没有这个单词++cnt;Q.push(en);              //单词进队列，放到队列尾部Hash[en]=1;while(Q.size()>m){       //内存满了int tmp;   Q.pop(tmp);     //删除队头Hash[tmp] = 0;       //从内存中去掉单词}}}printf("%d\n",cnt);return 0;
}

1.2.3、双端队列和单调队列

双端队列和单调队列的概念

双端队列（deque）是一种具有队列和栈性质的数据结构，它支持在两端进行插入和删除操作。具体来说，双端队列可以在队列的头部和尾部进行元素的添加和删除操作，因此既可以作为队列使用，也可以作为栈使用。

单调队列（monotonic queue）是一种特殊的队列，它主要用于解决一类特殊的问题，即滑动窗口问题。滑动窗口问题是指在一个固定大小的窗口中，找到一些特定的元素或计算一些特定的值。单调队列主要用于维护滑动窗口中的元素，使得队列中的元素满足一定的单调性（单调递增或单调递减）。

在实际应用中，双端队列和单调队列都有广泛的应用。双端队列可以用于维护一个滑动窗口中的最大值或最小值，而单调队列则可以用于求解滑动窗口中的最大值、最小值、中位数等问题。

1.2.4、优先队列

优先队列（priority queue）是一种特殊的队列，它的每个元素都具有一个优先级。优先级高的元素先出队列，优先级相同的元素按照其在队列中的先后顺序出队列。通常来说，优先队列中元素的优先级是由一个可比较的关键字来确定的。

优先队列可以使用各种数据结构来实现，包括数组、链表、堆等。其中，二叉堆是一种经典的实现方式。二叉堆分为最大堆和最小堆，最大堆的根节点元素是整个堆中的最大值，而最小堆的根节点元素是整个堆中的最小值。在实际应用中，最大堆常常用于维护一个动态数据集中的最小值，而最小堆则常常用于维护一个动态数据集中的最大值。

优先队列的常见操作包括插入元素、删除元素、查找最大/最小元素等。其中，插入元素和删除元素的时间复杂度通常是O（log n），查找最大/最小元素的时间复杂度是O（1）。优先队列在很多算法中都有广泛的应用，比如Dijkstra算法、Prim算法、Kruskal算法等。

-END-