本文將通過六大原則、設計模式、數據結構、算法來闡述設計思想與代碼質量優化
一、六大原則
1、單一職責原則
不要存在多於一個導致類變更的原因，也就是說每個類應該實現單一的職責，如若不然，就應該把類拆分。
2、里氏替換原則（Liskov Substitution Principle）
里氏代換原則(Liskov Substitution Principle LSP)面向對象設計的基本原則之一。 里氏代換原則中說，任何基類可以出現的地方，子類一定可以出現。 LSP是繼承複用的基石，只有當衍生類可以替換掉基類，軟件單位的功能不受到影響時，基類才能真正被複用，而衍生類也能夠在基類的基礎上增加新的行爲。里氏代換原則是對“開-閉”原則的補充。實現“開-閉”原則的關鍵步驟就是抽象化。而基類與子類的繼承關係就是抽象化的具體實現，所以里氏代換原則是對實現抽象化的具體步驟的規範。
歷史替換原則中，子類對父類的方法儘量不要重寫和重載。因爲父類代表了定義好的結構，通過這個規範的接口與外界交互，子類不應該隨便破壞它。
3、依賴倒轉原則（Dependence Inversion Principle）
這個是開閉原則的基礎，具體內容：面向接口編程，依賴於抽象而不依賴於具體。寫代碼時用到具體類時，不與具體類交互，而與具體類的上層接口交互。
4、接口隔離原則（Interface Segregation Principle）
這個原則的意思是：每個接口中不存在子類用不到卻必須實現的方法，如果不然，就要將接口拆分。使用多個隔離的接口，比使用單個接口（多個接口方法集合到一個的接口）要好。
5、迪米特法則（最少知道原則）（Demeter Principle）
就是說：一個類對自己依賴的類知道的越少越好。也就是說無論被依賴的類多麼複雜，都應該將邏輯封裝在方法的內部，通過public方法提供給外部。這樣當被依賴的類變化時，才能最小的影響該類。
最少知道原則的另一個表達方式是：只與直接的朋友通信。類之間只要有耦合關係，就叫朋友關係。耦合分爲依賴、關聯、聚合、組合等。我們稱出現爲成員變量、方法參數、方法返回值中的類爲直接朋友。局部變量、臨時變量則不是直接的朋友。我們要求陌生的類不要作爲局部變量出現在類中。
6、合成複用原則（Composite Reuse Principle）
原則是儘量首先使用合成/聚合的方式，而不是使用繼承。
二、設計模式
總體來說設計模式分爲三大類：
創建型模式，共五種：工廠方法模式、抽象工廠模式、單例模式、建造者模式、原型模式。
結構型模式，共七種：適配器模式、裝飾器模式、代理模式、外觀模式、橋接模式、組合模式、享元模式。
行爲型模式，共十一種：策略模式、模板方法模式、觀察者模式、迭代子模式、責任鏈模式、命令模式、備忘錄模式、狀態模式、訪問者模式、中介者模式、解釋器模式。
其實還有兩類：併發型模式和線程池模式。用一個圖片來整體描述一下：
三、數據結構
<meta charset="utf-8">
1.數組
①概念
存儲多個相同類型的數據的集合。
②特點
a)數組中的數據元素可以是基本數據類型，也可以是引用數據類型；
b)數組具有下標，下標從0開始計數，用於快速獲取數組中的數據，比如a[0]，表示數組中的第一個數據；
c)數組在創建的時候，需要在內存中申請一段固定長度的內存，如果申請的長度超過內存剩餘的長度，則容易產生碎片，導致存儲失敗；
d)數組便於查找和修改數據，不便於增刪數據；
e)數組分爲數值數組，字符數組，指針數組，結構數組等；
③圖解
2.棧
①概念
一種只能在表頭進行數據插入和刪除操作的線性表，又名堆棧。
②特點
a)按照先進後出的原則存儲數據；
b)棧分爲順序棧和鏈式棧；
③圖解
3.隊列
①概念
一種特殊的線性表，只能在隊頭進行刪除數據操作，在隊尾進行增加數據操作。
②特點
a)遵循先進先出的原則存儲數據；
b)隊列分爲順序隊列和循環隊列；
③圖解
4.鏈表
①概念
一種非連續，非順序的存儲方式，通過指針將數據進行連接的方式實現。
②特點
a)在創建的時候，不需要指定長度，可以動態調整長度，不易產生碎片；
b)鏈表的每個元素分爲數據和指針，指針指向下一個數據的地址，從而形成串聯；
c)便於數據增刪，不便於數據查詢；
d)鏈表分爲單向鏈表，雙向鏈表，循環列表；
③圖解
5.樹
①概念
由一個根節點和若干個子樹構成的集合。
②特點
a)有且僅有一個根節點；
b)子樹之間不可以有交集；
c)樹分爲無序樹，有序樹，二叉樹等；
d)樹的深度指的是樹的有多少層；
e)一個節點的度指的是該節點下有多少個子節點；
f)二叉樹指的是每個結點的度≤2的樹。
g)樹的遍歷方式分爲三種，分別是前序遍歷（根左右），中序遍歷（左根右），後序遍歷（左右根）；
③圖解
6.圖
①概念
由頂點的有窮非空集合和頂點之間邊的集合組成。
②特點
a)圖分爲有向圖和無向圖，區別在於邊是否有方向；
b)圖主要涉及到的內容是最短路徑；
③圖解
7.堆
①概念
用於動態分配和釋放程序所使用的對象。
②特點
a)堆分爲最小堆和最大堆，區別在於所有父節點是否大於等於其子節點，是則是最大堆，否則反之；
b)堆是一顆完全二叉樹；
③圖解
8.散列表
①概念
根據key-value來進行數據獲取的存儲數據方式。
②特點
a)又名哈希表；
b)便於插入，查找等操作；
c)key以數組的方式存儲在棧內存中，value以鏈表的方式存儲在堆空間中；
d)不同的key通過哈希函數可能得到相同的結果，這時候就發生了哈希碰撞；
③圖解
四、算法
4.1排序算法
4.1.1 簡單排序算法
冒泡排序
兩兩比較相鄰記錄的關鍵字，如果反序則交換，直到沒有反序的記錄爲止
直接插入排序
通過 n-i 次關鍵字間的比較，從 n-i+1 個記錄中選出關鍵字最小的記錄，並和第 i 個記錄交換
簡單選擇排序
改進算法
快速排序（冒泡排序的改進）
先隨機選擇一個記錄，比它大的放在右邊，比它小的放在左邊，採用遞歸的方式進行排序
java 代碼
/**
* 快排，先找一個記錄，把大於他的放在右邊，小的放在左邊，然後採用遞歸的方式進行排序
*/
public class QuickSort2 {
public void quickSort(int[] array) {
if (array.length > 0) {
doQuickSort(array, 0, array.length - 1);
}
}
private void doQuickSort(int[] array, int left, int right) {
if (left >= right) {
return;
}
int low = left;
int high = right;
int temp = array[low];
while (low != high) {
while (low < high && array[high] > temp) {
high--;
}
array[low] = array[high];
while (low < high && array[low] < temp) {
low++;
}
array[high] = array[low];
}
array[high] = temp;
Utils.printArray(array);
doQuickSort(array, left, low - 1);
doQuickSort(array, high + 1, right);
}
public static void main(String[] args) {
QuickSort2 qs = new QuickSort2();
int[] a = {9, 1, 5, 8, 3, 7, 4, 6, 2};
qs.quickSort(a);
}
}`測試結果
2 1 5 8 3 7 4 6 9 -
1 2 5 8 3 7 4 6 9 -
1 2 4 3 5 7 8 6 9 -
1 2 3 4 5 7 8 6 9 -
1 2 3 4 5 6 7 8 9 -希爾排序
堆排序
並排序
4.2查找算法
4.2.1順序查找
順序查找過程：從表中的最後一個記錄開始，逐個進行記錄的關鍵字與給定值進行比較，若某個記錄的關鍵字與給定值相等，則查找成功，找到所查的記錄；反之，若直到第一個記錄，其關鍵字和給定值比較都不相等，則表明表中沒有所查的記錄，查找失敗。
算法描述爲
int Search(int d,int a[],int n)
{/在數組a[]中查找等於D元素，若找到，則函數返回d在數組中的位置，否則爲0。其中n爲數組長度/
int i ；
/*從後往前查找*/
for(i=n-1;a*!=d;--i)
return i ;
/*如果找不到，則i爲0*/
}*4.2.2 二分查找
二分查找又稱折半查找，它是一種效率較高的查找方法。
【二分查找要求】：1.必須採用順序存儲結構2.必須按關鍵字大小有序排列。
【優缺點】折半查找法的優點是比較次數少，查找速度快，平均性能好;其缺點是要求待查表爲有序表，且插入刪除困難。因此，折半查找方法適用於不經常變動而查找頻繁的有序列表。
【算法思想】首先，將表中間位置記錄的關鍵字與查找關鍵字比較，如果兩者相等，則查找成功；否則利用中間位置記錄將表分成前、後兩個子表，如果中間位置記錄的關鍵字大於查找關鍵字，則進一步查找前一子表，否則進一步查找後一子表。
重複以上過程，直到找到滿足條件的記錄，使查找成功，或直到子表不存在爲止，此時查找不成功。
【算法複雜度】假設其數組長度爲n，其算法複雜度爲o（log（n））
下面提供一段二分查找實現的僞代碼:
BinarySearch(max,min,des)
mid-des then
max=mid-1
else
min=mid+1
return max折半查找法也稱爲二分查找法，它充分利用了元素間的次序關係，採用分治策略，可在最壞的情況下用O(log n)完成搜索任務。它的基本思想是，將n個元素分成個數大致相同的兩半，取a[n/2]與欲查找的x作比較，如果x=a[n/2]則找到x，算法終止。如 果xa[n/2]，則我們只要在數組a的右 半部繼續搜索x。
4.2.3 分塊查找
分塊查找又稱索引順序查找，它是順序查找的一種改進方法。
方法描述：將n個數據元素"按塊有序"劃分爲m塊（m ≤ n）。每一塊中的結點不必有序，但塊與塊之間必須"按塊有序"；即第1塊中任一元素的關鍵字都必須小於第2塊中任一元素的關鍵字；而第2塊中任一元素又都必須小於第3塊中的任一元素，……。
操作步驟：
step1 先選取各塊中的最大關鍵字構成一個索引表；
step2 查找分兩個部分：先對索引表進行二分查找或順序查找，以確定待查記錄在哪一塊中；然後，在已確定的塊中用順序法進行查找。
4.2.4 哈希表查找
1 基本原理
我們使用一個下標範圍比較大的數組來存儲元素。可以設計一個函數（哈希函數， 也叫做散列函數），使得每個元素的關鍵字都與一個函數值（即數組下標）相對應，於是用這個數組單元來存儲這個元素；也可以簡單的理解爲，按照關鍵字爲每一個元素"分類"，然後將這個元素存儲在相應"類"所對應的地方。
但是，不能夠保證每個元素的關鍵字與函數值是一一對應的，因此極有可能出現對於不同的元素，卻計算出了相同的函數值，這樣就產生了"衝突"，換句話說，就是把不同的元素分在了相同的"類"之中。後面我們將看到一種解決"衝突"的簡便做法。
總的來說，"直接定址"與"解決衝突"是哈希表的兩大特點。
2 函數構造
構造函數的常用方法（下面爲了敘述簡潔，設 h(k) 表示關鍵字爲 k 的元素所對應的函數值）：
a) 除餘法：
選擇一個適當的正整數 p ，令 h(k ) = k mod p
這裏， p 如果選取的是比較大的素數，效果比較好。而且此法非常容易實現，因此是最常用的方法。
b) 數字選擇法：
如果關鍵字的位數比較多，超過長整型範圍而無法直接運算，可以選擇其中數字分佈比較均勻的若干位，所組成的新的值作爲關鍵字或者直接作爲函數值。
3衝突處理
線性重新散列技術易於實現且可以較好的達到目的。令數組元素個數爲 S ，則當 h(k) 已經存儲了元素的時候，依次探查 (h(k)+i) mod S , i=1,2,3…… ，直到找到空的存儲單元爲止（或者從頭到尾掃描一圈仍未發現空單元，這就是哈希表已經滿了，發生了錯誤。當然這是可以通過擴大數組範圍避免的）。
4 支持運算
哈希表支持的運算主要有：初始化(makenull)、哈希函數值的運算(h(x))、插入元素(insert)、查找元素(member)。
設插入的元素的關鍵字爲 x ，A 爲存儲的數組。
初始化比較容易，例如
const empty=maxlongint; // 用非常大的整數代表這個位置沒有存儲元素
p=9997; // 表的大小
procedure makenull;
var i:integer;
begin
for i:=0 to p-1 do
A*:=empty;
End;*哈希函數值的運算根據函數的不同而變化，例如除餘法的一個例子：
function h(x:longint):Integer;
begin
h:= x mod p;
end;我們注意到，插入和查找首先都需要對這個元素定位，即如果這個元素若存在，它應該存儲在什麼位置，因此加入一個定位的函數 locate
function locate(x:longint):integer;
var orig,i:integer;
begin
orig:=h(x);
i:=0;
while (ix)and(A[(orig+i)mod S]empty) do
inc(i);
//當這個循環停下來時，要麼找到一個空的存儲單元，要麼找到這個元
//素存儲的單元，要麼表已經滿了
locate:=(orig+i) mod S;
end;
插入元素
procedure insert(x:longint);
var posi:integer;
begin
posi:=locate(x); //定位函數的返回值
if A[posi]=empty then A[posi]:=x
else error; //error 即爲發生了錯誤，當然這是可以避免的
end;查找元素是否已經在表中
procedure member(x:longint):boolean;
var posi:integer;
begin
posi:=locate(x);
if A[posi]=x then member:=true
else member:=false;
end;好了文章就分享到這裏了，喜歡的朋友別忘了關注+點贊喔