数据结构和算法学习记录——特殊线性表之栈(下)-销毁栈函数、判断栈是否为空、压栈函数、出栈函数、取栈顶元素、计算栈中有多少个元素、栈有关习题-有效的括号

简介: 数据结构和算法学习记录——特殊线性表之栈(下)-销毁栈函数、判断栈是否为空、压栈函数、出栈函数、取栈顶元素、计算栈中有多少个元素、栈有关习题-有效的括号

特殊线性表之栈(上)

销毁栈函数

void StackDestroy(ST* ps)
{
    assert(ps);
    free(ps->a);
    ps->a = NULL;
    ps->capacity = ps->top = 0;
}

判断栈是否为空

bool StackEmpty(ST* ps)
{
    assert(ps);
    return ps->top == 0;//top为0返回真,否则返回假
}

压栈函数

void StackPush(ST* ps, STDataType x)
{
    assert(ps);
 
    if (ps->top == ps->capacity) //判断扩容
    {
        int newCapacity = ps->capacity == 0 ? 4 : ps->capacity * 2;
        STDataType* tmp = realloc(ps->a, sizeof(STDataType) * newCapacity);
        if (tmp == NULL)
        {
            printf("realloc fail\n");
            exit(-1);
        }
        ps->a = tmp;
        ps->capacity = newCapacity;
    }
 
    ps->a[ps->top] = x;
    ps->top++;
}

出栈函数

void StackPop(ST* ps)
{
    assert(ps);
    assert(!StackEmpty(ps));
 
    ps->top--;
}

取栈顶元素

STDataType StackTop(ST* ps)//取出栈顶元素
{
    assert(ps);
    assert(!StackEmpty(ps));
    return ps->a[ps->top - 1];
}

计算栈中有多少个元素

int StackSize(ST* ps)//计算栈中有多少个元素
{
    assert(ps);
    return ps->top;
}

入栈出栈操作

int main()
{
    ST st;
    StackInit(&st);
    StackPush(&st, 1);  //入栈出栈操作
    StackPush(&st, 2);
    StackPush(&st, 3);
    StackPush(&st, 4);
    while (!StackEmpty(&st))
    {
        printf("%d\t", StackTop(&st));
        StackPop(&st);
    }
    StackDestroy(&st);
    return 0;
}

入栈序列为1、2、3、4,那么连续的出栈序列就为4、3、2、1

故运行结果为:

习题(有效的括号)

题目描述

给定一个只包括 '(' ')' '{' '}' '[' ']' 的字符串 s ,判断字符串是否有效。 有效字符串需满足:左括号必须以正确的顺序闭合。每个右括号都有一个对应的相同类型的左括号。左括号必须用相同类型的右括号闭合。

题目示例

示例 1: 输入:s = "()" 输出:


示例 2: 输入:s = "()[]{}" 输出:true


示例 3: 输入:s = "(]" 输出:false true

题目思路

用一个栈来解题,如果是左括号则入栈;如果是右括号,则进行出栈操作,与该右括号匹配。

(但C语言的库中没有栈,需要我们自己定义一个栈)

题目代码

//上面加一个栈
bool isValid(char* s)
{
    ST st;
    StackInit(&st);
    while (*s)
    {
        if (*s == '('
         || *s == '['
         || *s == '{')  //遇到左括号,进行入栈操作
        {
            StackPush(&st, *s);
        }
        else     //遇到右括号
        {
            if (StackEmpty(&st))  //遇到右括号时栈中没有数据的情况,即匹配失败
            {
                StackDestroy(&st);
                return false;
            }
 
            STDataType top = StackTop(&st);
            StackPop(&st);
            if ((*s == '}' && top != '{')
                || (*s == ']' && top != '[')
                || (*s == ')' && top != '('))  //把左括号出栈,与右括号进行匹配
            {
                StackDestroy(&st);
                return false;
            }
            else
            {
                s++;
            }
        }
    }
 
    //while循环结束之后,判断栈中是否为空
    //如果栈不为空,则说明栈中的括号没有被成功匹配
    //也返回false
    bool ret = StackEmpty(&st);
    StackDestroy(&st);
    return ret;
}

end

目录
相关文章
|
5月前
|
机器学习/深度学习 算法 数据挖掘
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
200 0
|
4月前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
267 1
|
10月前
|
算法 数据可视化 开发者
为什么要学习数据结构与算法
今天,我向大家介绍一门非常重要的课程——《数据结构与算法》。这门课不仅是计算机学科的核心,更是每一位开发者从“小白”迈向“高手”的必经之路。
为什么要学习数据结构与算法
|
3月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
382 0
|
3月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
260 2
|
4月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
266 3
|
4月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
195 6
|
3月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
208 8
|
3月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
221 8
|
3月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。