Алгоритмы. Стек и Очередь

Продолжаем разбираться с базовыми алгоритмами и сегодня поговорим про Стек и Очередь. Как вы можете знать стек используется даже в Solidity, поэтому важно понимать как он работает, и что можно от него ожидать.

Примеры кода на Python получились достаточно объемными, поэтому пришлось поместить их в отдельный ресурс Telegraph.

P.S. Весь код вы можете протестировать в Google Colab или Jupyter Notebook.

В программировании для организации хранение данных с определенными правилами доступа существуют две базовые структуры — стек и очередь. Они определяют четкий порядок, в котором элементы добавляются и извлекаются, что делает их незаменимыми инструментами для решения широкого спектра задач.

Стек, или Stack, работает по принципу LIFO — Last-In, First-Out, что переводится как «последним пришел — первым ушел». Это легко представить на примере стопки книг: новую книгу всегда кладут сверху, и чтобы взять нужную, также снимают сначала верхнюю. Самую нижнюю книгу можно получить, только убрав все лежащие выше. Основные операции со стеком включают push для добавления элемента на вершину, pop для его удаления, peek или top для просмотра вершины без удаления и isEmpty для проверки на пустоту. Визуально стек можно изобразить следующим образом:

┌─────────┐
│    C    │ ← Вершина (Top) - здесь происходят операции
├─────────┤
│    B    │
├─────────┤
│    A    │
└─────────┘

После операции pop() будет удален элемент C, а после push(D) на вершине окажется D. На практике это выглядит так, как показано в примере реализации стека на Python с использованием списка.

Пример 1

Вывод программы наглядно демонстрирует порядок операций:

Пример 2

Стек находит применение во множестве реальных задач. Например, история браузера использует стек для реализации кнопки «Назад»: каждый новый URL помещается в стек, а нажатие кнопки извлекает последний. Текстовые редакторы хранят историю изменений в стеке для функции отмены действий (Ctrl+Z). Компиляторы и интерпретаторы проверяют сбалансированность скобок в коде, используя стек для отслеживания открывающих символов. Наконец, сам механизм вызова функций в программах управляется стеком вызовов, где сохраняются контексты выполнения. Практическим примером может служить функция проверки корректности расстановки скобок.

Пример 3

В отличие от стека, очередь, или Queue, работает по принципу FIFO — First-In, First-Out, то есть «первым пришел — первым ушел». Это аналогично очереди в магазине: первый вставший в очередь покупатель первым же и обслуживается, а новые люди присоединяются к концу. Основные операции — enqueue для добавления элемента в конец, dequeue для удаления из начала, front для просмотра первого элемента и isEmpty для проверки. Визуализация очереди выглядит так:

Пример 4

При dequeue() будет удален элемент A, а после enqueue(E) в конец добавится E. В Python для эффективной реализации очереди используется структура deque из модуля collections.

Пример 5

Вывод этой программы отражает принцип FIFO:

Пример 6

Очереди применяются там, где важен порядок поступления. Например, принтер обрабатывает документы в порядке отправки, сервера обрабатывают запросы в очереди, алгоритм поиска в ширину (BFS) использует очередь для обхода графа, а операционные системы планируют процессы. Практическую модель можно увидеть в симуляции работы кассы.

Пример 7

Сравнивая стек и очередь, можно выделить их ключевые различия. Стек следует принципу LIFO, подобно стопке книг, где добавление и удаление происходят с одного конца (вершины). Очередь же работает по принципу FIFO, как очередь в магазине, где добавление идет в конец, а удаление — из начала. В Python стек эффективно реализуется через список (list), а для очереди предпочтительнее использовать deque из модуля collections.

📟 Прилетело из @solidityset

Интересной задачей является реализация очереди с помощью двух стеков. Классическое решение использует один стек для добавления элементов (enqueue), а другой — для удаления (dequeue). Когда требуется удалить элемент, но второй стек пуст, все элементы перекладываются из первого стека во второй, в результате чего порядок инвертируется и первый добавленный элемент оказывается на вершине второго стека, готовый к извлечению.

Пример 8

Это работает, потому что при перекладывании элементов из одного стека в другой их порядок обращается, что и позволяет имитировать поведение очереди.

Помимо уже упомянутых случаев, стек используется во многих других областях. История браузера — это классический пример, где посещенные страницы складываются в стек для кнопки «Назад».

Пример 9

Функция отмены действий в редакторах также полагается на стек для хранения состояний.

Пример 10

Стек вызовов, управляющий выполнением функций в программе, — еще один яркий пример. Когда функция вызывает другую, ее контекст помещается в стек, а после завершения вложенной функции — восстанавливается.

Пример 11

Проверка корректности HTML-тегов — задача, где стек отслеживает вложенность открывающих и закрывающих элементов.

Пример 12

Для реализации очереди в Python оптимально использовать класс deque из модуля collections. Это двусторонняя очередь, которая обеспечивает константную сложность O(1) для операций добавления и удаления с обоих концов, в отличие от списка, где удаление из начала (pop(0)) имеет линейную сложность O(n). Полноценная реализация очереди на deque включает все основные операции.

Пример 13

Практическим применением может служить система обработки заказов, где каждый новый заказ ставится в очередь и обрабатывается по мере возможности.

Пример 14

С точки зрения сложности операций, стек на основе списка Python обеспечивает O(1) для push, pop и peek, так же как и проверка на пустоту. Очередь на основе deque также гарантирует O(1) для enqueue, dequeue, front и isEmpty. Важно подчеркнуть, что использование обычного списка для очереди неэффективно из-за линейной сложности операции pop(0), что делает deque предпочтительным выбором.

В заключение, стек и очередь — это фундаментальные структуры данных, каждая со своим строгим принципом доступа: LIFO для стека, подобно стопке тарелок, и FIFO для очереди, как очередь людей. Их понимание критически важно для изучения алгоритмов и системного программирования, поскольку они лежат в основе множества механизмов — от управления памятью и планирования процессов до синтаксического анализа и работы с историей. Ключевые моменты для запоминания: стек оперирует с одним концом, очередь — с двумя; в Python для стека используется list, для очереди — deque; обе структуры обеспечивают высокую эффективность основных операций.

#algorithm

📟 Прилетело из @solidityset

Мета предикшн-маркетов

Уверен, многие слышали о хайпе на предикшн-маркеты и возможно уже отрабатывают Polymarket, Opinion, Kalshi.

Сегодня я бы хотел рассказать о свежем проекте, который в отличии от вышеперечисленных мало кто отрабатывает.

Речь о Probable — ончейн платформе для предсказаний на BNBChain. По инвесту информации нет, но проект имеет прямой шил от CZ, Binance и Pancakeswap.

На днях проект анонсировал программу по фарму поинтов, в рамках которой каждую неделю будет выделяться пулл на активных юзеров.

Как поучаствовать?
1. Идем по ссылке и подключаем свой кошелек
2. Делаем депозит в любой из предложенных сетей и ставим на события
3. Приглашаем друзей, за это так же выдаются поинты
4. Так же можно повыбивать роли в ДС

У проекта уже +$200M объемов, поэтому на него стоит обратить внимание, нежели пытаться запрыгнуть в последний вагон по Opinion.

Сами поинты рекомендую фармить лимитками, а не рыночными ордерами, тогда у вас будет 0% комиссия.

Чат | Support | Market
Pelican | HiddenCode [EN]

📟 Прилетело из @hidden_coding

Мой знакомый сегодня получил награду "Самый прибыльный канал в 2025" 🔥

Кому попало еë не дают. Чтобы получить такую награду, должны совпасть 3 фактора:
— 1300%+ прирост к депозиту за год
— 600+ публичных сделок
— открытая статистика

Что-то мне подсказывает, что и 2026 год будет за ним👇

https://t.iss.one/+u0EIhde_iGU5ODUy

#реклама

📟 Прилетело из @hidden_coding

Tempo: $500М от Paradigm

Tempo - очередной L1 блокчейн c $500М от Paradigm (скорее карманный проект Paradigm).

Думаю, стоит отработать проект на антифомо! У него 99% будет свой нативный токен и было б хорошо получить дроп или хотя б гарант/бонус/преимущество в сейле.

Что делаем?
> В кране берём токены
> Симуляция выплат комиссий за ликвидность
> Набивание свапов
> Предоставление ликвидности
> Делаем обычные трансферы
> Базовый Onchain GM
> Забираем Warden NFT

Мы выполняем основные действия, которые указаны у них в документации, поэтому изобретать велосипед не приходиться.

Недавно была найдена страница Mainnet Explorer проекта, которая пока под паролем. Видимо выход майнета не так уж и далёк. Поэтому не затягиваем.

Чат | Support | Market
Pelican | HiddenCode [EN]

📟 Прилетело из @hidden_coding

Tempo: $500М от Paradigm

Tempo - очередной L1 блокчейн c $500М от Paradigm (скорее карманный проект Paradigm).

Думаю, стоит отработать проект на антифомо! У него 99% будет свой нативный токен и было б хорошо получить дроп или хотя б гарант/бонус/преимущество в сейле.

Что делаем?
> В кране берём токены
> Симуляция выплат комиссий за ликвидность
> Набивание свапов
> Предоставление ликвидности
> Делаем обычные трансферы
> Базовый Onchain GM
> Забираем Warden NFT

Мы выполняем основные действия, которые указаны у них в документации, поэтому изобретать велосипед не приходиться.

Недавно была найдена страница Mainnet Explorer проекта, которая пока под паролем. Видимо выход майнета не так уж и далёк. Поэтому не затягиваем.

Чат | Support | Market
Pelican | HiddenCode [EN]

📟 Прилетело из @hidden_coding

Деанон ортомича😱

Подписчики, всем привет! Сразу к сути

Давно, даже слишком давно, я себя ловлю на мысли что этот блог является скорее моим утяжелителем, нежели чем то прикольным и крутым. Я его то стесняюсь, то не знаю что постить, то ограничиваю себя форматом и тд. Из за этого оч сложно что то писать и делиться, тк любые рамки (искусственные тоже) всегда мешают творчеству

Канал этот был создан когда мне было 17 лет, создан он бы с целью делиться тем, чем я занимаюсь и для публикации собственных конспектов (статей). В итоге это все стало абузой, особенно это подогрел тот некий «успех» который я смог заиметь в моменте от нескольких достаточно популярных в узких кругах статей (они рил были классные). Хоть это и было круто, принесло результаты и несомненно повлияло на мою жизнь, время идти дальше, тем более что с тех времен, очевидно, поменялось много чего, и в первую очередь я, а вот блог будто бы застыл в том старом образе…

Я хоть и люблю писать статьи, но делать это каждым постом, как я это себе видел (и видел себя в этом) - такое себе на самом деле занятие, а форматы разные пробовать хочется, оттуда и мои потуги в создании журнала, других каналов (их оч много и все они Ortomich-related) ютуба и тд, хотя стоило просто это публиковать тут и не париться

Поэтому сегодня день некоторого раскаяния, хочу сбросить оковы прошлого и начать постить что хочется, не сковывая себя разными «но». Хочется сделать этот блог все же снова про меня, а не про выдуманного у меня в голове ортомича, которая может писать исключительно душниловские (хоть и прикольные) статьи

Ну и я стал меньше стесняться себя, взросление вещь такая, поэтому вотоня

Ps это не означает что я перестану постить душные статьи, просто в плане коммуникации с вами, мои дорогие подписчики, это, я считаю, важный пост, чтобы вы понимали изменения, которые тут потенциально будут происходить, хотя по последним постам сдвиг уже можно было заметить…

📟 Прилетело из @ortomich_main

"Не тупи, просто следи за китами или инфлюенсерами" - почему это плохая стратегия? Или почему я не советую вкладываться / повторять за собой.

Я сам через это проходил.
Здесь расскажу о своём опыте копирования за другими, и как действую уже года 3.

Помню в 2021 году подписывался на разные трейдинговые каналы и источники, где описывались активности.

На торговлю средств было немного, поэтому и не участвовал особо: просто следил.
Но вот в плане аэрдропов - было дело!

Представьте ситуацию:

Открываю я Galxe (сайт с квестами), и начинаю проходить задания.

А ведь в некоторых из них было по 50 действий с 30 лайками и ретвитами. Да ещё и требовалось процитировать двух друзей иногда. В какой-то момент понимаешь, что работаешь SMM-щиком-спамером за обещание 🙂.

В общем, времени на это уходило куча.
А в итоге за это получил мало, если вообще что получил.

Основной источник прибыли был совсем в ином направлении аэрдропов.

То есть даже здесь я потерял зря время, повторюшничая 🙂.

Что уж говорить о торговле:

1. Когда вам советуют, могут рекламировать свои просевшие портфели.

А то и вовсе советовать токен тех, кто автору заплатил.

И я не говорю уже про всякие мошеннические схемы. Например, человек покупает опубликованный токен, а его после роста продают. Поскольку люди покупают последними, теряют.

2. Автор, каким бы он профессионалом не был, не может знать рыночную ситуацию.
Допустим, ему нравится $TAO. Он видит перспективу проекта: ИИ актуален, это основа многого в этой сфере, …
Но BTC падает из-за какой-то очень негативной новости (вспомните Ковид в марте 2020 и крах Ftx в 2022) и цена токена рушится вслед за Биткоином.

Результат: читатель разочарован, так как он получил существенный убыток.

Да: проект может существовать. И вполне реален рост в 2-5-10 раз от падения. Но не факт, что это покроет убыток из-за такого паник-сейла.

И конечно не забываем про то, что ситуации бывают разными. Например, какой-то классный проект теряет спрос на свой функционал = падает = пользователи уходят. А на момент аналитики это может быть перспективным.


И напоследок про DeFi.

Это ещё одна категория авторов / китов, за которыми повторяют.

Тут нельзя вестись на большие APY и APR: чем больше доходность, тем больше рисков. Например, волатильность (для не стейблов или слабый алгоритм стейблкоина).


Почему я объединяю авторов и китов в одну группу?

Всё просто:
1. Когда вы следите за авторами каналов, копируете действия на основе их слов.

2. Когда повторяете за китами, смотрите их портфолио с их доходностями и действиями.

Допустим, видите вы APY 40% на стейбл-пару у кита. Вкладываетесь.
А для него это 0.1% от портфеля, которые он вложил в сверх рисковый AMM dex в непонятной сети.


Как я действую:

Не читаю советов.
- В случае дропов соизмеряю время и возможный доход. Всегда надо понимать, что могут дать < 100 $.

- В случае покупки и инвестиций вовсе сам анализирую проекты, смотрю на разное без следования. И главное: диверсифицирую (иначе можно профукать существенную часть баланса из-за взлома нейронкой старого протокола).


Почему я не даю советов по инвестированию в токены или проекты?

Причины описал выше. Человеческий фактор всегда присутствует: лучше, если вы сами изучите результаты моей аналитики или даже сделаете свой, после чего примете решение об участии.


А вы повторяли за китами / инфлюенсерами при инвестировании? Если да, каковы были результаты? Давно ли занимались копированием действий?

😎 Незрячий web3 программист (подписаться)
Чат | бот

📟 Прилетело из @blind_dev

Начинаю бета-тест моего проекта

Если вы помните, в прошлом году я активно занимался сбором аудиторских отчетов, извлечением из них описаний уязвимостей и формированием базы данных для работы с нейронными сетями. На днях эта работа была завершена, и я перехожу к этапу закрытого бета-тестирования. В связи с этим хотел бы обратиться к вам с просьбой помочь в «прогоне» системы.

Сначала я вкратце расскажу о проекте, а в конце дам инвайты для регистрации и поясню, что именно нужно проверить.

HornetMCP — это MCP/API-сервер, который реализует поиск уязвимостей, схожих с запросом пользователя. Однако, в отличие от стандартных API (таких, как Solodit), работающих на основе ключевых слов и тегов, здесь используется векторное сходство данных.

Как это работает на практике?

1. Пользователь отправляет в базу данных запрос, содержащий пример функции и контекст — что она делает, за что отвечает, что нужно проверить и т.д.

2. Запрос преобразуется в эмбеддинги — то есть переводится в векторное пространство.

3. Полученные векторы сравниваются с векторами (эмбеддингами), хранящимися в базе данных.

4. Система выбирает 5–10 наиболее похожих векторов и возвращает пользователю соответствующие отчеты, из которых эти векторы были получены.

5. В случае использования через MCP (например, с Claude) нейросеть самостоятельно проводит дальнейший анализ функции и выдает результат. При работе через API пользователь получает непосредственно отчеты. Также доступно тестовое чат-окно для разового запроса, который анализирует найденные отчеты (промт пока в доработке). Кроме того, чат использует бесплатную модель DeepSeek R1T2 Chimera - поэтому работа чуть медленнее обычного чата и немного хуже ответы, чем в Claude или ChatGPT.

Здесь важно сразу уточнить, чтобы избежать недопонимания: это не анализатор кода. Система не проводит анализ и не формирует уязвимости автоматически. Если вы передадите ей функцию, она вернет только похожие отчеты, в которых могли встречаться аналогичные паттерны.

Почему я решил создать этот проект? Было несколько причин. Во-первых, я хотел глубже погрузиться в работу с нейросетями и RAG. Во-вторых, в ходе аудита смарт-контрактов я регулярно сталкивался с вопросами вроде: «Были ли уже подобные уязвимости?», «Не упускаю ли я важный паттерн?», «Есть ли скрытые проблемы?» — иными словами, мне хотелось получать больше идей и гипотез для проверки. Solodit, например, предлагает хороший фильтр, но он работает по ключевым словам и тегам. Вставить функцию и получить релевантные отчеты на основе семантики там нельзя. А векторный поиск как раз решает эту задачу.

Сейчас я ищу участников канала, которые в своей работе используют нейросети и MCP-серверы — для разработки контрактов или для аудита. Необходимо протестировать работу проекта, его стабильность и качество векторного поиска отчетов. В идеале — если вы будете использовать проект вместе с Claude или другой LLM, поддерживающей MCP: это обеспечит максимальную эффективность.

Для регистрации потребуется подтверждение email (я параллельно тестирую сервис Resend для отправки писем). Также нужно будет сформировать APIKey для отправки запросов через MCP/API.

Сайт проекта — https://hornetmcp.com/

Инвайт — solidityset

Количество инвайтов ограничено 10 регистрациями — проект находится в стадии беты, и я понимаю, что не так много участников канала активно используют MCP-серверы.

Все комментарии и замечания можно направлять в группу под этим постом.

Спасибо всем, кто примет участие в тестировании!

#hornetmcp

📟 Прилетело из @solidityset