队列

本页面介绍和队列有关的数据结构及其应用。

引入

队列（queue）是一种具有「先进入队列的元素一定先出队列」性质的表。由于该性质，队列通常也被称为先进先出（first in first out）表，简称 FIFO 表。

数组模拟队列

通常用一个数组模拟一个队列，用两个变量标记队列的首尾。

int q[SIZE], ql = 1, qr;

队列操作对应的代码如下：

插入元素：q[++qr] = x;
删除元素：ql++;
访问队首：q[ql]
访问队尾：q[qr]
清空队列：ql = 1; qr = 0;

双栈模拟队列

还有一种冷门的方法是使用两个栈来模拟一个队列。

这种方法使用两个栈 F, S 模拟一个队列，其中 F 是队尾的栈，S 代表队首的栈，支持 push（在队尾插入），pop（在队首弹出）操作：

push：插入到栈 F 中。
pop：如果 S 非空，让 S 弹栈；否则把 F 的元素倒过来压到 S 中（其实就是一个一个弹出插入，做完后是首尾颠倒的），然后再让 S 弹栈。

容易证明，每个元素只会进入/转移/弹出一次，均摊复杂度 $O (1)$ 。

C++ STL 中的队列

C++ 在 STL 中提供了一个容器 std::queue，使用前需要先引入 <queue> 头文件。

STL 中对 queue 的定义

// clang-format off
template<
    class T,
    class Container = std::deque<T>
> class queue;

T 为 queue 中要存储的数据类型。

Container 为用于存储元素的底层容器类型。这个容器必须提供通常语义的下列函数：

back()
front()
push_back()
pop_front()

STL 容器 std::deque 和 std::list 满足这些要求。如果不指定，则默认使用 std::deque 作为底层容器。

STL 中的 queue 容器提供了一众成员函数以供调用。其中较为常用的有：

元素访问
- q.front() 返回队首元素
- q.back() 返回队尾元素
修改
- q.push() 在队尾插入元素
- q.pop() 弹出队首元素
容量
- q.empty() 队列是否为空
- q.size() 返回队列中元素的数量

此外，queue 还提供了一些运算符。较为常用的是使用赋值运算符 = 为 queue 赋值，示例：

std::queue<int> q1, q2;

// 向 q1 的队尾插入 1
q1.push(1);

// 将 q1 赋值给 q2
q2 = q1;

// 输出 q2 的队首元素
std::cout << q2.front() << std::endl;
// 输出: 1

特殊队列

双端队列

双端队列是指一个可以在队首/队尾插入或删除元素的队列。相当于是栈与队列功能的结合。具体地，双端队列支持的操作有 4 个：

在队首插入一个元素
在队尾插入一个元素
在队首删除一个元素
在队尾删除一个元素

数组模拟双端队列的方式与普通队列相同。

C++ STL 中的双端队列

C++ 在 STL 中也提供了一个容器 std::deque，使用前需要先引入 <deque> 头文件。

STL 中对 deque 的定义

// clang-format off
template<
    class T,
    class Allocator = std::allocator<T>
> class deque;

T 为 deque 中要存储的数据类型。

Allocator 为分配器，此处不做过多说明，一般保持默认即可。

STL 中的 deque 容器提供了一众成员函数以供调用。其中较为常用的有：

元素访问
- q.front() 返回队首元素
- q.back() 返回队尾元素
修改
- q.push_back() 在队尾插入元素
- q.pop_back() 弹出队尾元素
- q.push_front() 在队首插入元素
- q.pop_front() 弹出队首元素
- q.insert() 在指定位置前插入元素（传入迭代器和元素）
- q.erase() 删除指定位置的元素（传入迭代器）
容量
- q.empty() 队列是否为空
- q.size() 返回队列中元素的数量

此外，deque 还提供了一些运算符。其中较为常用的有：

使用赋值运算符 = 为 deque 赋值，类似 queue。
使用 [] 访问元素，类似 vector。

<queue> 头文件中还提供了优先队列 std::priority_queue，因其与堆更为相似，在此不作过多介绍。

Python 中的双端队列

在 Python 中，双端队列的容器由 collections.deque 提供。

示例如下：

实现

from collections import deque

# 新建一个 deque，并初始化内容为 [1, 2, 3]
queue = deque([1, 2, 3])

# 在队尾插入元素 4
queue.append(4)

# 在队首插入元素 0
queue.appendleft(0)

# 访问队列
# >>> queue
# deque([0, 1, 2, 3, 4])

循环队列

使用数组模拟队列会导致一个问题：随着时间的推移，整个队列会向数组的尾部移动，一旦到达数组的最末端，即使数组的前端还有空闲位置，再进行入队操作也会导致溢出（这种数组里实际有空闲位置而发生了上溢的现象被称为「假溢出」）。

解决假溢出的办法是采用循环的方式来组织存放队列元素的数组，即将数组下标为 0 的位置看做是最后一个位置的后继。（数组下标为 x 的元素，它的后继为 (x + 1) % SIZE）。这样就形成了循环队列。

例题

LOJ6515「雅礼集训 2018 Day10」贪玩蓝月

一个双端队列（deque），m 个事件：

在前端插入 (w,v)
在后端插入 (w,v)
删除前端的二元组
删除后端的二元组
给定 l,r，在当前 deque 中选择一个子集 S 使得 $\sum_{(w, v) \in S} w mod p \in [l, r]$ ，且最大化 $\sum_{(w, v) \in S} v$ .

$m \leq 5 \times 10^{4}, p \leq 500$ .

解题思路

每个二元组是有一段存活时间的，因此对时间建立线段树，每个二元组做 log 个存活标记。因此我们要做的就是对每个询问，求其到根节点的路径上的标记的一个最优子集。显然这个可以 DP 做。 $f [S, j]$ 表示选择集合 S 中的物品余数为 j 的最大价值。（其实实现的时侯是有序的，直接 f[i,j] 做）

一共有 $O (m \log m)$ 个标记，因此这么做的话复杂度是 $O (m p \log m)$ 的。

这是一个在线算法比离线算法快的神奇题目。而且还比离线的好写。

上述离线算法其实是略微小题大做的，因为如果把题目的 deque 改成直接维护一个集合的话（即随机删除集合内元素），那么离线算法同样适用。既然是 deque，不妨在数据结构上做点文章。

如果题目中维护的数据结构是一个栈呢？

直接 DP 即可。 $f [i, j]$ 表示前 i 个二元组，余数为 j 时的最大价值。

f [i, j] = max (f [i - 1, j], f [i - 1, (j - w_{i}) mod p] + v_{i})

妥妥的背包啊。

删除的时侯直接指针前移即可。这样做的复杂度是 $O (m p)$ 的。

如果题目中维护的数据结构是队列？

有一种操作叫双栈模拟队列。这就是这个东西的用武之地。因为用栈是可以轻松维护 DP 过程的，而双栈模拟队列的复杂度是均摊 $O (1)$ 的，因此，复杂度仍是 $O (m p)$ 。

回到原题，那么 Deque 怎么做？

类比推理，我们尝试用栈模拟双端队列，于是似乎把维护队列的方法扩展一下就可以了。但如果每次是全部转移栈中的元素的话，单次操作复杂度很容易退化为 $O (m)$ 。

于是乎，神仙的想一想，我们可以丢一半过去啊。

这样的复杂度其实均摊下来仍是常数级别。具体地说，丢一半指的是把一个栈靠近栈底的一半倒过来丢到另一个栈中。也就是说要手写栈以支持这样的操作。

似乎可以用势能分析法证明。其实本蒟蒻有一个很仙的想法。我们考虑这个双栈结构的整体复杂度。m 个事件，我们希望尽可能增加这个结构的复杂度。

首先，如果全是插入操作的话显然是严格 $Θ (m)$ 的，因为插入的复杂度是 $O (1)$ 的。

「丢一半」操作是在什么时侯触发的？当某一个栈为空又要求删除元素的时侯。设另一个栈的元素个数是 $O (k)$ ，那么丢一半的复杂度就是 $O (k) \geq O (1)$ 的。因此我们要尽可能增加「丢一半」操作的次数。

为了增加丢一半的操作次数，必然需要不断删元素直到某一个栈为空。由于插入操作对增加复杂度是无意义的，因此我们不考虑插入操作。初始时有 m 个元素，假设全在一个栈中。则第一次丢一半的复杂度是 $O (m)$ 的。然后两个栈就各有 $\frac{m}{2}$ 个元素。这时就需要 $O (\frac{m}{2})$ 删除其中一个栈，然后就又可以触发一次复杂度为 $O (\frac{m}{2})$ 的丢一半操作……

考虑这样做的总复杂度。

T (m) = 2 \cdot O (m) + T (\frac{m}{2})

解得 $T (m) = O (m)$ 。

于是，总复杂度仍是 $O (m p)$ 。

在询问的时侯，我们要处理的应该是「在两个栈中选若干个元素的最大价值」的问题。因此要对栈顶的 DP 值做查询，即两个 $f, g$ 对于询问 [l,r] 的最大价值：

$$ \max_{0\leq i

本页面最近更新：2023/3/22 15:46:23，更新历史
发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：Ir1d, abc1763613206, iamtwz, KevTheUseless, ksyx, leoleoasd, Xeonacid, CCXXXI, cmpute, Enonya, Enter-tainer, kenlig, mcendu, mgt, NachtgeistW, ouuan, qiaomo, renbaoshuo, sshwy, StudyingFather, ttyao0518
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用