用状态机封装领域逻辑 潘加宇 CONTENTS 01 状态机的作用 02 状态机要点和建模思路 03 状态机的实现 危险！ 小孩耍大枪 危险！ 新瓶装旧酒  Research？Re-Search？  连Re-Search都没有，随意发明新词  Subdomain？主题图。 测试 答对问题有奖金 金额从2.56元到20.48元 请扫我微信以便当场转账 加微信时烦告知尊姓大名 类之间的协作 状态机图 类、动态 所有的逻辑 测试 答对问题有奖金 金额从2.56元到20.48元 请扫我微信以便当场转账 加微信时烦告知尊姓大名 作用 逻辑内移 都以为自己在做正常的事情， 系统却出问题了 强制封装保护信息完整性 条件语句？泛化？不重要了 作用 帮助定义恰当的责任  专家原则、可视原则  减少get/set  接口变简单 要素 状态 行为由组合决定 行为由组合决定 复杂就在这里！ 状态－－表现相同行为的属性值和链接的组合 状态 状态机图 vs. 活动图 顶点和边的含义相反 不同的思考范型 “状态的类”要说得通！ 状态 网络上随便搜来 的“状态机图” 状态 子状态 互斥 状态 分层复用行为 提炼公共迁移 状态 缺省和历史  不是“流程开始”的意思  进入状态时，缺省的子状态  对象掉入集合时，缺省掉入哪 个子集合

第二章至第十章展示了 ��� 的各种视图 同时显示了各种结构如何配合工作 ��� 一 览中 以一个简单的例子开始 对 ��� 的视图 概念作了简单的介绍 然后 在后续的 章节中 静态视图 用例视图 状态机视图 活动视图 交互视图 物理视图 模型管理 视图 扩展机制 对各个视图进行详细的讨论 它们分别从静态建模机制 动态建模机制 模型管理机制以及扩展机制对 ��� 进行探讨 � ��� 标准元素 ����������������������������������������������������������������������������������������������� �� 状态机视图������������������������������������������������������������������������������������������������ ������������������������������������������������������������������������������������ ��� 状态机视图 状态机视图 状态机视图 状态机视图 STATE MACHINE VIEW ���������������������������������������������������������������������������������

以将上述查字典的一系列操作看作是「二分查找」算法。 例二：整理扑克。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如下： 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 tmp count += 3 // 元素交换包含 3 个单元操作 } } } return count } 指数阶 ?(2?) � 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 1 个细胞，分裂一轮后变为 2 个，分裂两轮后变为 4 个，以此类推，分裂 ? 轮后有 2? 个细胞。 指数阶增长非常迅速，在实际应用中通常是不可接受的。若一个问题使用「暴力枚举」求解的时间复杂度为 ) = ? 哈希函数下，每个元素对应唯一的桶索引，这与数组等价。然而，输入空间通 常远大于输出空间（数组长度），因此哈希函数的最后一步往往是对数组长度取模。换句话说， 哈希表的目标是将一个较大的状态空间映射到一个较小的空间，并提供 ?(1) 的查询效率。 6. 散列表 hello‑algo.com 111 � 哈希表底层实现是数组、链表、二叉树，但为什么效率可以比他们更高呢？ 首先，哈

以将上述查字典的一系列操作看作是「二分查找」算法。 例二：整理扑克。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如下： 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 tmp; count += 3; // 元素交换包含 3 个单元操作 } } } return count; } 指数阶 ?(2?) � 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 1 个细胞，分裂一轮后变为 2 个，分裂两轮后变为 4 个，以此类推，分裂 ? 轮后有 2? 个细胞。 指数阶增长非常迅速，在实际应用中通常是不可接受的。若一个问题使用「暴力枚举」求解的时间复杂度为 ) = ? 哈希函数下，每个元素对应唯一的桶索引，这与数组等价。然而，输入空间通 常远大于输出空间（数组长度），因此哈希函数的最后一步往往是对数组长度取模。换句话说， 哈希表的目标是将一个较大的状态空间映射到一个较小的空间，并提供 ?(1) 的查询效率。 � 哈希表底层实现是数组、链表、二叉树，但为什么效率可以比他们更高呢？ 首先，哈希表的时间效率变高，但空间效率变低了。哈希表有相当一部分的内存是未使用的，

以将上述查字典的一系列操作看作是「二分查找」算法。 例二：整理扑克。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如下： 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 nums[j + 1] = tmp count += 3 # 元素交换包含 3 个单元操作 return count 指数阶 ?(2?) � 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 1 个细胞，分裂一轮后变为 2 个，分裂两轮后变为 4 个，以此类推，分裂 ? 轮后有 2? 个细胞。 2. 复杂度 hello‑algo.com 22 指数阶增长非常迅速，在实际应用中通 ) = ? 哈希函数下，每个元素对应唯一的桶索引，这与数组等价。然而，输入空间通 常远大于输出空间（数组长度），因此哈希函数的最后一步往往是对数组长度取模。换句话说， 哈希表的目标是将一个较大的状态空间映射到一个较小的空间，并提供 ?(1) 的查询效率。 � 哈希表底层实现是数组、链表、二叉树，但为什么效率可以比他们更高呢？ 首先，哈希表的时间效率变高，但空间效率变低了。哈希表有相当一部分的内存是未使用的，

以将上述查字典的一系列操作看作是「二分查找」算法。 例二：整理扑克。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如下： 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 1]); count += 3; // 元素交换包含 3 个单元操作 } } } return count; } 指数阶 ?(2?) � 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 1 个细胞，分裂一轮后变为 2 个，分裂两轮后变为 4 个，以此类推，分裂 ? 轮后有 2? 个细胞。 指数阶增长非常迅速，在实际应用中通常是不可接受的。若一个问题使用「暴力枚举」求解的时间复杂度为 ) = ? 哈希函数下，每个元素对应唯一的桶索引，这与数组等价。然而，输入空间通 常远大于输出空间（数组长度），因此哈希函数的最后一步往往是对数组长度取模。换句话说， 哈希表的目标是将一个较大的状态空间映射到一个较小的空间，并提供 ?(1) 的查询效率。 � 哈希表底层实现是数组、链表、二叉树，但为什么效率可以比他们更高呢？ 首先，哈希表的时间效率变高，但空间效率变低了。哈希表有相当一部分的内存是未使用的，

以将上述查字典的一系列操作看作是「二分查找」算法。 例二：整理扑克。我们在打牌时，每局都需要整理扑克牌，使其从小到大排列，实现流程如下： 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 2 张扑克已经有序。 3. 在无序区间抽出一张扑克牌，插入至有序区间的正确位置；完成后最左 3 tmp; count += 3; // 元素交换包含 3 个单元操作 } } } return count; } 指数阶 ?(2?) � 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 1 个细胞，分裂一轮后变为 2 个，分裂两轮后变为 4 个，以此类推，分裂 ? 轮后有 2? 个细胞。 指数阶增长非常迅速，在实际应用中通常是不可接受的。若一个问题使用「暴力枚举」求解的时间复杂度为 ) = ? 哈希函数下，每个元素对应唯一的桶索引，这与数组等价。然而，输入空间通 常远大于输出空间（数组长度），因此哈希函数的最后一步往往是对数组长度取模。换句话说， 哈希表的目标是将一个较大的状态空间映射到一个较小的空间，并提供 ?(1) 的查询效率。 6. 散列表 hello‑algo.com 112 � 哈希表底层实现是数组、链表、二叉树，但为什么效率可以比他们更高呢？ 首先，哈

例二：整理扑克。我们在打牌时，每局都需要整理手中的扑克牌，使其从小到大排列，实现流程如图 1‑2 所 示。 第 1 章 初识算法 hello‑algo.com 12 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序部分抽出一张扑克牌，插入至有序部分的正确位置；完成后最左 2 张扑克已经有序。 3. 不断循环步骤 2. ，每一轮将一张扑克牌从无序部分插入至有序部分，直至所有扑克牌都有序。 tmp; count += 3; // 元素交换包含 3 个单元操作 } } } return count; } 4. 指数阶 ?(2?) 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 1 个细胞，分裂一轮后变为 2 个，分裂两轮后 变为 4 个，以此类推，分裂 ? 轮后有 2? 个细胞。 图 2‑11 和以下代码模拟了细胞分裂的过程，时间复杂度为 ?(2?) ： 第 2 ) = ? 哈希函数下，每个元素对应唯一的桶索引，这与数组等价。然而，输入空间通常远大于输出空 间（数组长度），因此哈希函数的最后一步往往是对数组长度取模。换句话说，哈希表的目标是将一个较大的 状态空间映射到一个较小的空间，并提供 ?(1) 的查询效率。 Q：哈希表底层实现是数组、链表、二叉树，但为什么效率可以比它们更高呢？ 首先，哈希表的时间效率变高，但空间效率变低了。哈希表有相当一部分内存未使用。

例二：整理扑克。我们在打牌时，每局都需要整理手中的扑克牌，使其从小到大排列，实现流程如图 1‑2 所 示。 第 1 章 初识算法 hello‑algo.com 12 1. 将扑克牌划分为“有序”和“无序”两部分，并假设初始状态下最左 1 张扑克牌已经有序。 2. 在无序部分抽出一张扑克牌，插入至有序部分的正确位置；完成后最左 2 张扑克已经有序。 3. 不断循环步骤 2. ，每一轮将一张扑克牌从无序部分插入至有序部分，直至所有扑克牌都有序。 tmp; count += 3; // 元素交换包含 3 个单元操作 } } } return count; } 4. 指数阶 ?(2?) 生物学的“细胞分裂”是指数阶增长的典型例子：初始状态为 1 个细胞，分裂一轮后变为 2 个，分裂两轮后 变为 4 个，以此类推，分裂 ? 轮后有 2? 个细胞。 图 2‑11 和以下代码模拟了细胞分裂的过程，时间复杂度为 ?(2?) ： 第 2 ) = ? 哈希函数下，每个元素对应唯一的桶索引，这与数组等价。然而，输入空间通常远大于输出空 间（数组长度），因此哈希函数的最后一步往往是对数组长度取模。换句话说，哈希表的目标是将一个较大的 状态空间映射到一个较小的空间，并提供 ?(1) 的查询效率。 Q：哈希表底层实现是数组、链表、二叉树，但为什么效率可以比它们更高呢？ 首先，哈希表的时间效率变高，但空间效率变低了。哈希表有相当一部分内存未使用。