×
暂无评论
图文详情
  • ISBN:9787302179399
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:32开
  • 页数:345
  • 出版时间:2008-07-01
  • 条形码:9787302179399 ; 978-7-302-17939-9

本书特色

《算法概论》广泛地应用于加州大学伯克利分校和圣地亚哥分校,经历了十多年的教学检验,采用了易于接受和领会的内容编排方式来介绍算法基本原理。强调每个算法背后的数学思想,表现方式直观、严谨而不过于正式。《算法概论》循序渐进、深入浅出地展示了算法研究与应用领域中,从模型分析、算法构造到复杂性分析和算法优化的方方面面。涉及的内容从古老的算术算法、排序算法、简单图论到近现代出现的计算图论、贪心算法、分治算法、线性规划、动态规划、随机算法以及NP复杂性理论,甚至是尚未完全显现全貌的量子计算,覆盖了经典、现代和未来算法发展的众多代表性成果。  作为一本介绍算法技术和思想的书籍,《算法概论》不仅是面向信息类学科的优秀大学教材(或参考书),更是将任何具有初等数学基础的人引入算法应用与研究殿堂的一块引路石。

内容简介

《算法概论》的几位作者都是从事算法理论和技术研究的专业人员,同时具备该领域多年的教学经验。因此,本书的一大特点,就是在介绍算法设计思想时,突出了讲述的“故事情节”,强调对读者的启发和引导,从始至终体现了一种“学以致用”的精神。其中一个亮点是每章正文之后的习题,其中不仅仅提供了章节内容的练习,更强调了对相关研究和应用的引介。这里有一个简单的统计数据,在本书原稿正文的300 多页中,仅习题所占篇幅就达到了其中的约30%,涉及的应用领域包括经济、社会、生物、科学等的许多方面。可以相信,对于任何有志于算法研究与应用的读者,在浏览章节内容的基础上,籍此进行更进一步的思考,都将会使自身对算法思想的领悟和视野的拓展获得极大的提升。

目录

目 录
第0章 序言 10.1 书籍和算法 10.2 从Fibonacci数列开始 30.3 大O符号 6习题 9第1章 数字的算法 131.1 基本算术 131.1.1 加法 131.1.2 乘法和除法 161.2 模运算 181.2.1 模的加法和乘法 211.2.2 模的指数运算 211.2.3 Euclid的*大公因数算法 231.2.4 Euclid算法的一种扩展 241.2.5 模的除法 271.3 素性测试 281.4 密码学 351.4.1 密钥机制:一次一密乱码本和AES 361.4.2 RSA 381.5 通用散列表 401.5.1 散列表 411.5.2 散列函数族 41习题 44第2章 分治算法 532.1 乘法 532.2 递推式 572.3 合并排序 592.4 寻找中项 622.5 矩阵乘法 662.6 快速Fourier变换 672.6.1 多项式的另一种表示法 682.6.2 计算步骤的分治实现 712.6.3 插值 752.6.4 快速Fourier变换的细节 78习题 83第3章 图的分解 933.1 为什么是图 933.2 无向图的深度优先搜索 963.2.1 迷宫探索 963.2.2 深度优先搜索 993.2.3 无向图的连通性 1003.2.4 前序和后序 1003.3 有向图的深度优先搜索 1013.3.1 边的类型 1013.3.2 有向无环图 1033.4 强连通部件 1053.4.1 定义有向图的连通性 1053.4.2 一个有效的算法 106习题 110第4章 图中的路径 1194.1 距离 1194.2 广度优先搜索 1204.3 边的长度 1224.4 Dijkstra算法 1234.4.1 广度优先搜索的一个改进 1234.4.2 另一种解释 1274.4.3 运行时间 1294.5 优先队列的实现 1294.5.1 数组 1294.5.2 二分堆 1304.5.3 d堆 1314.6 含有负边的图的*短路径 1314.6.1 负边 1314.6.2 负环 1354.7 有向无环图中的*短路径 135习题 136第5章 贪心算法 1435.1 *小生成树 1435.1.1 一个贪心方法 1445.1.2 分割性质 1465.1.3 Kruskal算法 1475.1.4 一种用于分离集的数据结构 1485.1.5 Prim算法 1535.2 Huffman编码 1565.3 Horn公式 1605.4 集合覆盖 162习题 164第6章 动态规划 1736.1 重新审视有向无环图的*短路径问题 1736.2 *长递增子序列 1756.3 编辑距离 1776.4 背包问题 1836.5 矩阵链式相乘 1866.6 *短路径问题 1896.7 树中的独立集 193习题 195第7章 线性规划与归约 2057.1 线性规划简介 2057.1.1 示例:利润*大化 2067.1.2 示例:生产计划 2107.1.3 示例:*优带宽分配 2127.1.4 线性规划的变体 2147.2 网络流 2167.2.1 石油运输 2167.2.2 *大流 2167.2.3 对算法的深入观察 2177.2.4 *优性的保证 2217.2.5 算法的效率 2227.3 二部图的匹配 2227.4 对偶 2247.5 零和博弈(游戏) 2287.6 单纯形算法 2327.6.1 n维空间中的顶点和邻居 2327.6.2 算法 2337.6.3 补遗 2367.6.4 单纯形法的运行时间 2387.7 后记:电路值 241习题 243第8章 NP-完全问题 2538.1 搜索问题 2538.2 NP-完全问题 2648.3 所有的归约 268习题 286第9章 NP-完全问题的处理 2939.1 智能穷举搜索 2949.1.1 回溯 2949.1.2 分支定界 2979.2 近似算法 2999.2.1 顶点覆盖 3009.2.2 聚类 3029.2.3 TSP 3049.2.4 背包问题 3069.2.5 逼近的层次 3079.3 局部搜索中的启发方法 3089.3.1 重新审视旅行商问题 3089.3.2 图划分 3119.3.3 处理局部*优 313习题 316第10章 量子算法 32110.1 量子位元、叠加状态和度量 32110.2 算法设计 32510.3 量子傅立叶变换 32710.4 周期性 32910.5 量子电路 33110.5.1 基本量子门 33110.5.2 量子电路的两种基本类型 33210.5.3 量子傅立叶变换电路 33310.6 将因子分解问题转化为周期求解问题 33510.7 因子分解的量子算法 337习题 339历史背景及深入阅读的资料 343
展开全部

作者简介

Sanjoy Dasgupta是加州大学圣地亚哥分校计算机科学与工程系教授,之前曾担任AT&T实验室的高级技术人员,拥有哈佛大学计算机科学学士学位和加州大学伯克利分校计算机科学博士学位。他在多维数据的统计分析算法开发方面做出了卓越贡献,开发了**个适合各种规范统计任务的正确、高效的算法,尤其适合于集群(分组)数据。他目前的研究领域是算法统计,重点是无监督学习和*小监督学习。教授的课程有算法、机器学习、贝叶斯方法、概率人工智能、监督学习等。 Christos Papadimitriou是加州大学伯克利分校计算机科学系C. Lester Hogan教授,曾执教于哈佛大学、麻省理工学院、斯坦福大学和加州大学圣地亚哥分校。他是美国国家科学院、艺术与科学院和国家工程院院士。他的研究方向是算法和复杂性理论,及其在数据库、优化、人工智能、互联网、博弈论和演化方面的应用。Umesh Vazirani是加州大学伯克利分校电子工程和计算机科学系Roger A. Strauch教授,伯克利量子计算中心主任,是量子计算领域的开创者之一。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航