栈与队列算法实战：LeetCode三道经典题解析

1. 算法复健训练的价值与意义

最近在算法复健训练中完成了Day10的栈与队列专题，重点攻克了LeetCode上的三道压轴难题：150（逆波兰表达式求值）、239（滑动窗口最大值）和347（前K个高频元素）。这三道题可以说是栈与队列应用的经典代表，涵盖了从基础应用到高级技巧的多个层面。

算法复健这个概念可能有些朋友不太熟悉，简单来说就是像运动员保持竞技状态一样，通过定期训练来维持和提升算法解题能力。对于准备面试或者需要保持编程敏感度的开发者来说，这种训练方式非常有效。我自己坚持算法复健已经半年多，明显感觉到解题思路更加清晰，编码速度也有了显著提升。

2. 三道压轴题的核心思路解析

2.1 LC 150 - 逆波兰表达式求值

这道题是栈结构的经典应用场景。逆波兰表达式（后缀表达式）的特点是操作符位于两个操作数之后，比如"2 1 + 3 *"对应的是常规表达式"(2 + 1) * 3"。

解题的核心思路是：

1. 初始化一个空栈
2. 遍历表达式中的每个元素
3. 遇到数字就压入栈中
4. 遇到运算符就从栈顶弹出两个数字进行计算，然后将结果压回栈中
5. 最后栈中剩下的唯一元素就是最终结果

注意：减法和除法要注意操作数的顺序，先弹出的是右操作数，后弹出的是左操作数。

实际编码时，我建议使用一个哈希表来存储运算符和对应的lambda函数，这样代码会更加简洁：

python复制operators = {
    "+": lambda a, b: a + b,
    "-": lambda a, b: a - b,
    "*": lambda a, b: a * b,
    "/": lambda a, b: int(a / b)
}

2.2 LC 239 - 滑动窗口最大值

这道题考察的是如何在每个滑动窗口中找到最大值。暴力解法的时间复杂度是O(n*k)，而使用单调队列可以将复杂度优化到O(n)。

单调队列的核心思想是维护一个双端队列，保证队列中的元素从大到小排列，且都在当前窗口范围内。具体实现步骤：

1. 初始化双端队列和结果列表
2. 遍历数组中的每个元素
3. 移除队列中不在当前窗口范围内的元素（从队首）
4. 移除队列中比当前元素小的元素（从队尾）
5. 将当前元素加入队尾
6. 如果窗口已经形成，将队首元素加入结果

python复制from collections import deque

def maxSlidingWindow(nums, k):
    q = deque()
    res = []
    for i, num in enumerate(nums):
        while q and nums[q[-1]] <= num:
            q.pop()
        q.append(i)
        if q[0] == i - k:
            q.popleft()
        if i >= k - 1:
            res.append(nums[q[0]])
    return res

2.3 LC 347 - 前K个高频元素

这道题要求找出数组中出现频率前k高的元素。解题思路可以分为三步：

1. 统计每个元素的出现频率
2. 将统计结果存入优先队列（堆）
3. 从堆中取出前k个元素

Python中的heapq模块默认实现的是最小堆，所以我们需要将频率取负数来实现最大堆的效果：

python复制import heapq
from collections import Counter

def topKFrequent(nums, k):
    count = Counter(nums)
    return heapq.nlargest(k, count.keys(), key=count.get)

对于Java等语言，可以自定义比较器来实现相同的功能。

3. 解题过程中的关键技巧与优化

3.1 栈与队列的选择策略

在实际解题中，选择合适的数据结构至关重要：

• 当需要"最近相关性"时（如括号匹配、函数调用栈），优先考虑栈
• 当需要"先进先出"时（如BFS、缓存），优先考虑队列
• 对于滑动窗口最大值这类问题，单调队列是最佳选择

3.2 边界条件的处理经验

在实现这些算法时，有几个常见的边界条件需要特别注意：

1. 空输入的处理
2. 单个元素的特殊情况
3. 运算符的优先级和结合性
4. 滑动窗口大小k为1或等于数组长度的情况
5. 频率相同元素的处理顺序

3.3 复杂度分析与优化思路

对于每道题，都要清楚其时间复杂度和空间复杂度：

• LC 150：O(n)时间，O(n)空间
• LC 239：O(n)时间，O(k)空间
• LC 347：O(n log k)时间，O(n)空间

在实际面试中，面试官可能会要求进一步优化。比如对于LC 347，当k接近n时，可以使用快速选择算法将时间复杂度优化到O(n)。

4. 常见错误与调试技巧

4.1 栈操作中的常见陷阱

1. 忘记检查栈是否为空就执行pop操作
2. 操作数顺序错误（特别是减法和除法）
3. 整数除法向零取整的处理
4. 数字可能是多位数的情况

4.2 单调队列的实现细节

1. 队列中存储的是索引还是值
2. 窗口滑动时如何正确移除过期元素
3. 何时将结果加入结果列表
4. 处理数组长度小于k的情况

4.3 堆使用的注意事项

1. 最大堆还是最小堆的选择
2. 自定义比较器的实现
3. 处理频率相同元素的顺序
4. 堆的大小控制（特别是对于大数据量的情况）

5. 扩展练习与相关题目推荐

为了巩固栈与队列的应用能力，我推荐以下LeetCode题目作为扩展练习：

• 基础练习：20（有效的括号）、1047（删除字符串中的所有相邻重复项）
• 中等难度：71（简化路径）、402（移掉K位数字）
• 高级应用：84（柱状图中最大的矩形）、862（和至少为K的最短子数组）

对于想挑战更高难度的同学，可以尝试面试中较少出现但很有价值的题目，如85（最大矩形）、321（拼接最大数）等。