new books. x hon.bbs@bbs.ee.ncu.edu.tw 我非常喜欢你的书，不管是著作或是翻译，给人的感觉真的是"深入浅出"，我喜欢你用浅 近的比喻说明，来解释一些比较深入和抽象的东西，读你的书，总让我有突然"顿悟" 的感 觉，欣喜自己能在迷时找到良师。 武汉"wking" Microsoft Developer Studio CArchive 類別 / 531 operator<< 和 operator>> / 532 效率考量 / 536 自定 SERIAL 巨集給抽象類別使用 / 537 在 CObList ㆗加入 CStroke 以外的類別 / 537 Document 與 View 交流 - 為 Scribble Step4 Shape 只是一种抽象意念，世界上并没有「形状」这种东西！你可以在一个C++ 程序中做以下动作，但是不符合生活法则： CShape shape; // 世界上没有「形状」这种东西， shape.setcolor(); // 所以这个动作就有点奇怪。 这同时也说出了第三点的另一个否定理由：按理你不能够把一个抽象的「形状」显示 出来，不是吗?! 如果语法允许你产生一个不应该有的抽象对象，或如果语法不支持「把所有形状（不管

3. 复杂度分析重要性 复杂度分析给出一把评价算法效率的“标尺”，告诉我们执行某个算法需要多少时间和空间资源，也让我们可 以开展不同算法之间的效率对比。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度出发，其并不适合作为第一 章内容。但是，当我们讨论某个数据结构或者算法的特点时，难以避免需要分析它的运行速度和空间使用情 况。因此，在展开学习数据结构与算法之前，建 来了极大的难度。 2.2.2. 统计时间增长趋势 「时间复杂度分析」采取了不同的做法，其统计的不是算法运行时间，而是 算法运行时间随着数据量变大时的 增长趋势。 “时间增长趋势”这个概念比较抽象，我们借助一个例子来理解。设输入数据大小为 ? ，给定三个算法 A , B , C 。 ‧ 算法 A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为「常数阶」。 例如，给定一个包含 ? 个学生的数据库，每个学生有“姓名 name ”和“学号 id ”两项数据，希望实现一个查 询功能：输入一个学号，返回对应的姓名，则可以使用哈希表实现。 Figure 6‑1. 哈希表的抽象表示 6.1.1. 哈希表效率 除了哈希表之外，还可以使用以下数据结构来实现上述查询功能： 1. 无序数组：每个元素为 [学号, 姓名] ； 2. 有序数组：将 1. 中的数组按照学号从小到大排序；

3. 复杂度分析重要性 复杂度分析给出一把评价算法效率的“标尺”，告诉我们执行某个算法需要多少时间和空间资源，也让我们可 以开展不同算法之间的效率对比。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度出发，其并不适合作为第一 章内容。但是，当我们讨论某个数据结构或者算法的特点时，难以避免需要分析它的运行速度和空间使用情 况。因此，在展开学习数据结构与算法之前，建 来了极大的难度。 2.2.2. 统计时间增长趋势 「时间复杂度分析」采取了不同的做法，其统计的不是算法运行时间，而是 算法运行时间随着数据量变大时的 增长趋势。 “时间增长趋势”这个概念比较抽象，我们借助一个例子来理解。设输入数据大小为 ? ，给定三个算法 A , B , C 。 ‧ 算法 A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为「常数阶」。 例如，给定一个包含 ? 个学生的数据库，每个学生有“姓名 name ”和“学号 id ”两项数据，希望实现一个查 询功能：输入一个学号，返回对应的姓名，则可以使用哈希表实现。 Figure 6‑1. 哈希表的抽象表示 6.1.1. 哈希表效率 除了哈希表之外，还可以使用以下数据结构来实现上述查询功能： 1. 无序数组：每个元素为 [学号, 姓名] ； 2. 有序数组：将 1. 中的数组按照学号从小到大排序；

们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 A、B 和 C ： 第 2 章 复杂度分析 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 void 数据缓冲区：在某些数据缓冲区的实现中，也可能会使用环形链表。比如在音频、视频播放器中，数据 流可能会被分成多个缓冲块并放入一个环形链表，以便实现无缝播放。 4.3 列表 列表（list）是一个抽象的数据结构概念，它表示元素的有序集合，支持元素访问、修改、添加、删除和遍历 等操作，无须使用者考虑容量限制的问题。列表可以基于链表或数组实现。 ‧ 链表天然可以看作一个列表，其支持元素增删查改操作，并且可以灵活动态扩容。

们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 章 复杂度分析 hello‑algo.com 29 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 A、B 和 C ： // 算法 A 的时间复杂度：常数阶 void algorithm_A(int n) { cout << 数据缓冲区：在某些数据缓冲区的实现中，也可能会使用环形链表。比如在音频、视频播放器中，数据 流可能会被分成多个缓冲块并放入一个环形链表，以便实现无缝播放。 4.3 列表 「列表 list」是一个抽象的数据结构概念，它表示元素的有序集合，支持元素访问、修改、添加、删除和遍历 等操作，无须使用者考虑容量限制的问题。列表可以基于链表或数组实现。 ‧ 链表天然可以看作一个列表，其支持元素增删查改操作，并且可以灵活动态扩容。

们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 A、B 和 C ： 第 2 章 复杂度分析 www.hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 数据缓冲区：在某些数据缓冲区的实现中，也可能会使用环形链表。比如在音频、视频播放器中，数据 流可能会被分成多个缓冲块并放入一个环形链表，以便实现无缝播放。 4.3 列表 列表（list）是一个抽象的数据结构概念，它表示元素的有序集合，支持元素访问、修改、添加、删除和遍历 等操作，无须使用者考虑容量限制的问题。列表可以基于链表或数组实现。 ‧ 链表天然可以看作一个列表，其支持元素增删查改操作，并且可以灵活动态扩容。

3. 复杂度分析重要性 复杂度分析为我们提供了一把评估算法效率的“标尺”，告诉我们执行某个算法所需的时间和空间资源，并使 我们能够对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为第一章的内容。然而，当我们讨论某个数据结构或算法的特点时，我们难以避免要分析其运行速度 和空间使用情况。因此，在深入学习数据结构与算 极大的难 度。 2.2.2. 统计时间增长趋势 「时间复杂度分析」采取了一种不同的方法，其统计的不是算法运行时间，而是算法运行时间随着数据量变大 时的增长趋势。 “时间增长趋势”这个概念较为抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 A , B , C 。 ‧ 算法 A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为「常数 以一个包含 ? 个学生的数据库为例，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入 一个学号，返回对应的姓名”的查询功能，则可以采用哈希表来实现。 Figure 6‑1. 哈希表的抽象表示 除哈希表外，我们还可以使用数组或链表实现查询功能。若将学生数据看作数组（链表）元素，则有： ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由

们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效率的“标尺”，使我们可以衡量执行某个算法所需的时间和空间资 源，对比不同算法之间的效率。 复杂度是个数学概念，对于初学者可能比较抽象，学习难度相对较高。从这个角度看，复杂度分析可能不太 适合作为最先介绍的内容。然而，当我们讨论某个数据结构或算法的特点时，难以避免要分析其运行速度和 空间使用情况。 综上所述，建议你在深入学习 作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。 “时间增长趋势”这个概念比较抽象，我们通过一个例子来加以理解。假设输入数据大小为 ? ，给定三个算法 函数 A、B 和 C ： // 算法 A 的时间复杂度：常数阶 void algorithm_A(int n) { cout 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）

後續章節中詳細介紹。 複雜度分析為我們提供了一把評估演算法效率的“標尺”，使我們可以衡量執行某個演算法所需的時間和空 間資源，對比不同演算法之間的效率。 複雜度是個數學概念，對於初學者可能比較抽象，學習難度相對較高。從這個角度看，複雜度分析可能不太 適合作為最先介紹的內容。然而，當我們討論某個資料結構或演算法的特點時，難以避免要分析其執行速度 和空間使用情況。 綜上所述，建議你在深入學 執行時間，這給預估過程帶來了極大 的難度。 2.3.1 統計時間增長趨勢 時間複雜度分析統計的不是演算法執行時間，而是演算法執行時間隨著資料量變大時的增長趨勢。 “時間增長趨勢”這個概念比較抽象，我們透過一個例子來加以理解。假設輸入資料大小為 ? ，給定三個演算 法 A、B 和 C ： 第 2 章 複雜度分析 www.hello‑algo.com 29 // 演算法 A 的時間複雜度：常數階 資料緩衝區：在某些資料緩衝區的實現中，也可能會使用環形鏈結串列。比如在音訊、影片播放器中， 資料流可能會被分成多個緩衝塊並放入一個環形鏈結串列，以便實現無縫播放。 4.3 串列 串列（list）是一個抽象的資料結構概念，它表示元素的有序集合，支持元素訪問、修改、新增、刪除和走訪 等操作，無須使用者考慮容量限制的問題。串列可以基於鏈結串列或陣列實現。 ‧ 鏈結串列天然可以看作一個串列，其支持元素增刪查改操作，並且可以靈活動態擴容。

这里用到了带 auto 的 lambda ，利用了他具有多 次编译的特性，实现编译多个分支的效果。 • std::visit 、 std::variant 的这种模式称为静态多态， 和虚函数、抽象类的动态多态相对。 • 静态多态的优点是：性能开销小，存储大小固定。 缺点是：类型固定，不能运行时扩充。 用 variant 不用 visit ，就像看四大 名著不看红楼梦，后面我忘了，总 之就是只能度过一个相对失败的人