博客
关于我
【剑指 Offer 30】js 包含min函数的栈
阅读量:664 次
发布时间:2019-03-15

本文共 1598 字,大约阅读时间需要 5 分钟。

栈(Stack)的数据结构,本质上是一种Last-In-First-Out(LIFO)的线性数据结构。栈的核心操作包括push(压栈)、pop(弹栈)和top(获取栈顶元素)。为了实现栈中的最小值(min)查询,同时确保push、pop和min的时间复杂度均为O(1),我们需要引入一个辅助栈来维护当前栈中最小值的相关信息。

在本文中,我们将通过一个名为MinStack的数据类来实现上述目标。MinStack类包含两个栈:dataStack用来存储所有push进去的数据;minStack则用来存储辅助信息,辅助信息主要是帮助我们快速找到栈中的最小值。

核心思路

我们使用辅助栈(minStack)来维护当前栈中最小值的相关信息。具体来说:

  • push操作

    • 将数据push入dataStack。
    • 如果minStack为空,或者当前数据小于等于minStack的栈顶元素,则将数据也push入minStack。这样可以确保minStack始终保存当前栈中最小的元素。
  • pop操作

    • 如果当前栈的栈顶元素等于minStack的栈顶元素,则删除minStack的栈顶元素。这个操作的目的是为了确保当栈发生变化时,最小值的辅助信息能够及时更新。
  • min操作

    • 最直接的方式就是返回minStack的栈顶元素,因为minStack始终保存栈中最小的元素。
  • 这种方法可以在O(1)的时间复杂度内完成push、pop和min操作。

    代码实现

    以下是MinStack类的完整实现代码:

    var MinStack = function () {    this.dataStack = [];    this.minStack = [];};MinStack.prototype.push = function (x) {    this.dataStack.push(x);    const length = this.minStack.length;    if (length === 0 || x <= this.minStack[length - 1]) {        this.minStack.push(x);    }};MinStack.prototype.pop = function () {    const { minStack, dataStack } = this;    if (minStack[minStack.length - 1] === dataStack[dataStack.length - 1]) {        minStack.pop();    }    dataStack.pop();};MinStack.prototype.top = function () {    const length = this.dataStack.length;    if (!length) {        return null;    } else {        return this.dataStack[length - 1];    }};MinStack.prototype.min = function () {    const length = this.minStack.length;    if (!length) {        return null;    } else {        return this.minStack[length - 1];    }};

    总结

    通过引入辅助栈的方式,我们可以在O(1)的时间复杂度内实现栈的push、pop和min操作。这一设计巧妙地结合了栈的基本操作和最小值查询的需求,确保在处理大数据量时依然能够高效运行。这种设计方法既简洁又高效,是实现高性能栈操作的经典解决方案。

    转载地址:http://yqqmz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>