programmercarl.com/0225.%E7%94…
请你仅使用两个队列实现一个后入先出（LIFO）的栈，并支持普通栈的全部四种操作（push、top、pop 和 empty）。
实现 MyStack 类：
void push(int x)将元素 x 压入栈顶。int pop()移除并返回栈顶元素。int top()返回栈顶元素。boolean empty()如果栈是空的，返回true；否则，返回false。
注意：
- 你只能使用队列的标准操作 —— 也就是
push to back、peek/pop from front、size和is empty这些操作。 - 你所使用的语言也许不支持队列。 你可以使用 list （列表）或者 deque（双端队列）来模拟一个队列 , 只要是标准的队列操作即可。
示例：
输入：
["MyStack", "push", "push", "top", "pop", "empty"]
[[], [1], [2], [], [], []]
输出：
[null, null, null, 2, 2, false]
解释：
MyStack myStack = new MyStack();
myStack.push(1);
myStack.push(2);
myStack.top(); // 返回 2
myStack.pop(); // 返回 2
myStack.empty(); // 返回 False
提示：
1 <= x <= 9- 最多调用
100次push、pop、top和empty - 每次调用
pop和top都保证栈不为空
进阶： 你能否仅用一个队列来实现栈。
（这里要强调是单向队列）
队列模拟栈，其实一个队列就够了，那么我们先说一说两个队列来实现栈的思路。
队列是先进先出的规则，把一个队列中的数据导入另一个队列中，数据的顺序并没有变，并没有变成先进后出的顺序。
所以用栈实现队列， 和用队列实现栈的思路还是不一样的，这取决于这两个数据结构的性质。
但是依然还是要用两个队列来模拟栈，只不过没有输入和输出的关系，而是另一个队列完全用来备份的！
如下面动画所示，用两个队列que1和que2实现队列的功能，que2其实完全就是一个备份的作用，把que1最后面的元素以外的元素都备份到que2，然后弹出最后面的元素，再把其他元素从que2导回que1。
- 时间复杂度: pop为O(n)，top为O(n)，其他为O(1)
- 空间复杂度: O(n)
其实这道题目就是用一个队列就够了。
一个队列在模拟栈弹出元素的时候只要将队列头部的元素（除了最后一个元素外） 重新添加到队列尾部，此时再去弹出元素就是栈的顺序了。
解法一：
优化，使用一个 Queue 实现
class MyStack {
var queue: Queue<Int> = LinkedList()
//每 offer 一个数（A）进来，都重新排列，把这个数（A）放到队列的队首
fun push(x: Int) {
queue.offer(x)
var size = queue.size
//移动除了 A 的其它数
while (size-- > 1) queue.offer(queue.poll())
}
fun pop(): Int {
return queue.poll()
}
fun top(): Int {
return queue.peek()
}
fun empty(): Boolean {
return queue.isEmpty()
}
}
- 时间复杂度: pop为O(n)，top为O(n)，其他为O(1)
- 空间复杂度: O(n)
解法二：
使用双端队列。
class MyStack() {
/** Initialize your data structure here. */
var queue = ArrayDeque<Int>()
/** Push element x onto stack. */
fun push(x: Int) {
queue.addLast(x)
}
/** Removes the element on top of the stack and returns that element. */
fun pop(): Int {
return queue.pollLast()
}
/** Get the top element. */
fun top(): Int {
return queue.peekLast()
}
/** Returns whether the stack is empty. */
fun empty(): Boolean {
return queue.isEmpty()
}
}
- 时间复杂度: pop为O(n)，top为O(n)，其他为O(1)
- 空间复杂度: O(n)
