1. 栈与队列算法实战概述
今天我们要深入探讨数据结构中最基础也最重要的两个概念——栈和队列。作为算法训练营的第十一天内容，我们将通过实际案例来掌握它们的经典应用场景。很多初学者会觉得栈和队列很简单，但在实际面试和工程应用中，能否灵活运用它们往往决定了代码的效率和质量。
我在算法教学过程中发现，90%的学员在初次接触栈和队列时都存在两个误区：要么过度关注理论定义而忽视实际应用，要么死记硬背解题模板而不理解底层逻辑。今天的训练将重点突破这两个问题，通过LeetCode经典题目带你真正掌握这两种数据结构的精髓。
2. 栈的深度解析与应用
2.1 栈的特性与实现原理
栈(Stack)是一种后进先出(LIFO)的数据结构，就像我们平时叠放的盘子，最后放上去的总是最先被取用。这个特性使得栈在解决特定问题时具有天然优势。
在代码实现上，栈通常支持以下核心操作：
- push：将元素压入栈顶
- pop：弹出栈顶元素
- peek/top：获取栈顶元素但不弹出
- isEmpty：判断栈是否为空
注意：在实际工程中，要特别注意栈的边界条件处理，特别是空栈时的pop和peek操作，这是面试常考的细节。
2.2 经典栈算法实战
2.2.1 有效的括号匹配(LeetCode 20)
这是栈最经典的入门题目。给定一个只包含 '(', ')', '{', '}', '[' 和 ']' 的字符串，判断字符串是否有效。
解题思路：
- 遇到左括号就压栈
- 遇到右括号就检查栈顶是否匹配
- 最后检查栈是否为空
python复制def isValid(s: str) -> bool:
stack = []
mapping = {')': '(', '}': '{', ']': '['}
for char in s:
if char in mapping:
top_element = stack.pop() if stack else '#'
if mapping[char] != top_element:
return False
else:
stack.append(char)
return not stack
实战技巧：使用字典存储括号映射关系可以大幅简化代码，这是我在面试中常看到的优秀写法。
2.2.2 每日温度(LeetCode 739)
给定一个温度列表，要求返回一个列表，表示需要等待多少天才能等到更暖和的温度。这是栈在单调性问题中的典型应用。
解法思路：
- 维护一个单调递减栈
- 当当前温度大于栈顶温度时，计算天数差并记录结果
python复制def dailyTemperatures(T: List[int]) -> List[int]:
stack = []
result = [0] * len(T)
for i, temp in enumerate(T):
while stack and T[stack[-1]] < temp:
prev_index = stack.pop()
result[prev_index] = i - prev_index
stack.append(i)
return result
3. 队列的深度解析与应用
3.1 队列的特性与实现原理
队列(Queue)是一种先进先出(FIFO)的数据结构，就像现实生活中的排队，先来的人先得到服务。队列在广度优先搜索(BFS)、缓存实现等场景中至关重要。
队列的核心操作包括：
- enqueue：元素入队
- dequeue：元素出队
- front：获取队首元素
- isEmpty：判断队列是否为空
3.2 经典队列算法实战
3.2.1 用栈实现队列(LeetCode 232)
这道题考察对两种数据结构特性的深入理解。我们需要用栈的LIFO特性来实现队列的FIFO特性。
关键思路：
- 使用两个栈：一个输入栈，一个输出栈
- 入队时压入输入栈
- 出队时如果输出栈为空，则将输入栈所有元素弹出并压入输出栈
python复制class MyQueue:
def __init__(self):
self.in_stack = []
self.out_stack = []
def push(self, x: int) -> None:
self.in_stack.append(x)
def pop(self) -> int:
self._transfer()
return self.out_stack.pop()
def peek(self) -> int:
self._transfer()
return self.out_stack[-1]
def _transfer(self):
if not self.out_stack:
while self.in_stack:
self.out_stack.append(self.in_stack.pop())
经验分享：这类题目在面试中常考，重点不是写出代码，而是能够清晰解释时间复杂度。每个元素最多被压入和弹出两次，所以均摊时间复杂度是O(1)。
3.2.2 滑动窗口最大值(LeetCode 239)
这是队列在单调性问题中的高级应用，需要实现一个能在O(n)时间内解决的高效算法。
解法思路：
- 使用双端队列维护可能成为窗口最大值的元素索引
- 队列中的元素按从大到小排序
- 每次移动窗口时，移除不在窗口范围内的元素
python复制def maxSlidingWindow(nums: List[int], k: int) -> List[int]:
from collections import deque
q = deque()
result = []
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:
result.append(nums[q[0]])
return result
4. 栈与队列的综合应用
4.1 用队列实现栈(LeetCode 225)
这道题与之前用栈实现队列形成对比，考察对两种数据结构特性的灵活运用。
解法思路：
- 使用一个主队列和一个辅助队列
- 每次push操作后，将前面的元素依次出队再入队，使得最新元素位于队首
python复制class MyStack:
def __init__(self):
self.queue = collections.deque()
def push(self, x: int) -> None:
self.queue.append(x)
for _ in range(len(self.queue) - 1):
self.queue.append(self.queue.popleft())
def pop(self) -> int:
return self.queue.popleft()
def top(self) -> int:
return self.queue[0]
4.2 最小栈问题(LeetCode 155)
设计一个支持push、pop、top操作，并能在常数时间内检索到最小元素的栈。
解法思路：
- 使用辅助栈同步记录当前最小值
- 每次主栈push时，辅助栈push当前最小值
- 每次主栈pop时，辅助栈也pop
python复制class MinStack:
def __init__(self):
self.stack = []
self.min_stack = []
def push(self, val: int) -> None:
self.stack.append(val)
if not self.min_stack or val <= self.min_stack[-1]:
self.min_stack.append(val)
else:
self.min_stack.append(self.min_stack[-1])
def pop(self) -> None:
self.stack.pop()
self.min_stack.pop()
def top(self) -> int:
return self.stack[-1]
def getMin(self) -> int:
return self.min_stack[-1]
5. 常见问题与优化技巧
5.1 栈与队列的选择策略
在实际问题中如何判断该用栈还是队列？我的经验法则是：
- 需要"回退"或"最近相关"操作时优先考虑栈（如括号匹配、函数调用）
- 需要"顺序处理"或"公平性"时优先考虑队列（如BFS、任务调度）
- 涉及"单调性"问题时两者都可能适用，需要具体分析
5.2 边界条件处理技巧
在面试中，边界条件的处理往往决定成败。对于栈和队列问题，要特别注意：
- 空栈/空队列时的pop操作
- 初始状态的判断
- 循环终止条件
- 特殊输入情况（如空输入、单个元素等）
5.3 性能优化方向
对于高频面试题，可以考虑以下优化方向：
- 空间换时间：使用辅助数据结构存储中间结果
- 延迟操作：如用两个栈实现队列时的元素转移时机
- 预处理：提前计算并存储可能重复使用的信息
- 单调性维护：在滑动窗口类问题中保持数据的有序性
我在实际面试中遇到过一位候选人，他在解决滑动窗口最大值问题时，不仅给出了单调队列的解法，还详细分析了为什么这种方法比优先队列更高效，最终获得了面试官的高度评价。这提醒我们，理解算法背后的本质比单纯写出代码更重要。