《图解数据结构-- 使用Python》笔记 第1章

1.3 认识程序设计

1.3.3 面向对象程序设计

1. 什么是“面向对象程序设计”

“面向对象程序设计”（Object-Oriented Programming）的主要设计思想：将存在于日常生活中随处可见的对象（object）概念应用在软件开发模式中。OOP让我们以一种更生活化、可读性更高的设计思路来进行程序的开发和设计，并且开发出来的程序也更容易扩充、修改及维护。

2. 面向对象语言特性

• 封装性（Encapsulation）
• 继承性（Inheritance）
• 多态性（Polymorphism）

1）封装

封装：用“类”来实现“抽象数据类型”（ADT）。

类：一种具体描述对象状态与行为的数据类型。

对象：按照“类”这个模型或蓝图产生的实例。

举例来说，

汽车类 -》 汽车实体对象

2）继承

继承：允许代码重复使用，同时可以表达树形结构中，父代与子代的遗传现象。

举例来说，

“汽车类”就是“交通工具类”的子类，“汽车类”可以继承“交通工具类”。

3）多态

多态：让具有继承关系的不同类别对象可以调用相同名称的成员函数。

1.4 算法性能

这一小节主要谈两个概念

• “时间复杂度”（Time Complexity）
• “空间复杂度”（Space Complexity）

1）空间复杂度

空间复杂度：估算一个算法在运行过程中临时占用内存空间的大小，是一种渐进表示法。

2）时间复杂度

时间复杂度：用某一个算法执行步骤技术来衡量运行时间的标准，也是一种渐进表示法。

由于涉及变量存储类型与表达式的复杂度，因此没有必要精确计算时间的长短。使用“估算”的办法衡量时间更为恰当，详细定义如下：

• 在一个完全理想状态下，定义T(n)来表示程序执行所要花费的时间，其中n代表数据输入量。最大运行时间用Big-Oh表示。
• 分析算法的时间复杂度必须考虑它的成长比率，往往是一个函数。

1.4.1 Big-Oh

$O(f(n))$：某算法在计算机中所需运行时间不会超过某一常数倍数的$f(n)$。

这一部分的重点是：学会计算时间复杂度。

例1.4.1 计算$T(n)=3n^3+2n^2+5n$的时间复杂度

答：因为多项式$T(n)$的最高项次数是3，所以时间复杂度为$O(n^3)$

1.4.2 $\Omega$

$\Omega$也是一种时间复杂度的渐进表示法。如果说Big-Oh表示运行时间估算的最坏情况，则$\Omega$就是运行时间估算的最好情况。

1.4.3 $\Theta$

$\Theta$是一种比Big-Oh与$\Omega$更精确的时间复杂度的渐进表示法。