为抽象队列数据结构创建潜在功能，以显示恒定的摊销时间复杂度

考虑称为MaxQueue，Q的Queue的变体，该变体具有以下操作：

出队（Q）：删除并返回Q的第一个元素

排队（Q，s）：将整数s附加到Q的末尾

最大（Q）：返回Q中最大的整数（但不删除它）

MaxQueue数据结构还包含一个称为“后缀maxima”的序列。如果x之后出现的所有元素的值都较小，则元素x是序列中的“后缀最大值”。

MaxQueue是使用单链接列表来实现的，该列表用带有指向队列前面和后面的附加指针的序列表示序列，并具有后缀最大值的双链接列表（后缀最大值的排列顺序与它们的顺序相同）。顺序）。

有关示例，请参见此链接：https://ibb.co/f2KBtHN

问题：证明这三个操作的摊销时间复杂度均为O（1）。（根据序列中的最大后缀数定义潜在函数。

我真的不知道如何开始这个问题。我知道一个潜在的函数倾向于是a + bm的形式，其中a和b是常数，而n和m是根据问题设置的变量。提示建议以最大后缀的数量为基础，我认为应该在这些变量中反映出来，但是我不确定如何。

潜在函数是根据数据结构的状态计算出的函数，该函数以无界开始，永远不会为负。

对于任何这样的函数，对于每个操作，对于任何常数K，摊销成本= O（实际成本+ K * change_in_potential）

之所以可行，是因为由于势函数不能为负，因此其初始值的界限限制了势的所有变化之和可以为负。最终，在许多操作中，实际成本将占主导地位。

因此，如果要证明所有操作的O（1）边界，则潜在功能必须：

因此，请查看您的操作，并找到状态的某些功能，这些功能不能为负，在恒定时间内超出您的每个工作单位都会减少，否则在每个操作中只会增加恒定量。

我想您会发现，您做的“额外工作”的每个单元都会减少后缀最大值序列的长度，并且每个操作只能增加一个项。因此，后缀最大值序列的长度是可行的势函数。