算法导论程序

① 除了算法导论 计算机程序设计艺术还有哪些比较好的算法书籍

算法设计
数据结构与算法分析 -- C语言描述

② 先看算法导论还是先看数据结构原因是什么

个人建议是先看数据结构，算法是基于数据处理的，数据结构就是为了方便数据处理而产生的

③ 算法导论这本书应该怎么看

看每一节的解释，不要看伪代码，不要看前面看不懂的部分

④ 机器学习的算法和普通《算法导论》里的算法有什么本质上的异同

作者：董可人
链接：http://www.hu.com/question/24976006/answer/29682806
来源：知乎
着作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

算法导论里的算法本质上是对有精确解的问题，如何更有效率地求得这个解。这个效率可以是计算时间更短，也可以是计算过程所需要的空间更少。

一个简单的例子是，给定一个乱序数组，如何快速的将其按从小到大的顺序重新排列，或者找到其中的中位数。这些问题都有确定且唯一的答案，一般都会有一个笨方法（穷举或遍历），只要一步一步来就可以解，所谓算法只是如何精简步骤，更快更省事地找到这个解。这些算法处理的数据也都是结构简洁且干净的类型，比如数组，二叉树，图之类的数据结构。数据规模对于这些算法而言，影响的是计算所需的时间和空间，不会因为规模改变而影响算法本身的逻辑以及计算的结果。

机器学习要解决的问题一般没有精确解，也不能用穷举或遍历这种步骤明确的方法找到解，而且需要强调的是“学习”这个属性，即希望算法本身能够根据给定的数据或计算环境的改变而动态的发现新的规律，甚至改变算法程序的逻辑和行为。

举例来说，可以是把一千份文档归类到不同的几个类别里。最简单的可以是给定几个类别，比如新闻，小说，诗歌等，算法来根据文章内容自动划分到对应的类别里。这里可以看出这个问题即使让人做，也有很多模糊不能确定的地方，比如一篇法制晚报上的犯罪纪实是应该划到新闻，还是小说呢？或者说一篇长诗比如荷马史诗是应该归在小说还是诗歌呢？机器学习算法想要解决的，就是根据从文章内容里找到的规律，来自动的给出一个划分。而不同算法可以给出不同的解，这些解都可以是“正确”的，所以一般还需要人为设计一个评判标准来决定孰优孰劣。

也可以不事先给定类别，而是让算法自己去发现文章中的规律，把相似度高的文章划分到一起。这样不同的算法可能给出不同数量的类别划分，可能是三个，四个，或者五个，也都可以是“正确”的划分。甚至什么是“相似度”，不同算法也可以给出不同解释，可以是名词动词形容词的词频及比例，也可以是句子的语法结构等。

更进一步的，你可能还希望这个算法能够用来判断一份新的文档的类别。而输入的新文档越多，也会进一步扩大初始数据集的规模，规模变大以后，原来数据中不明显的规律可能就变明显了。比如说原来一千份文档中只有一篇议论文，可能大多算法都无法把它单独划出一个类别，但当你持续输入一百份议论文后，数据中议论文的比例就变成了101/1100，差不多10%，这时候算法就应该划分出单独的议论文类别。在这个意义上，数据本身也对算法有很大的影响，这也是和算法导论中的算法的一个本质区别。

技术上说，算法导论中的算法关注点在数据结构和计算复杂度，属于离散数学的一个分支，不涉及微积分等高等数学概念。机器学习的算法本身是基于概率，统计和优化（optimization）等理论和技术，从这个角度上说给人感觉更“数学”一点。

在具体的实现细节上，机器学习的算法会大量应用算法导论中的技术来改进计算效率。但需要强调这仅仅是对底层实现来说，在算法本身的逻辑上，二者没有太多联系。换句话说，算法导论中的技术可以帮助你写出更快的程序来运行机器学习算法，但是这对机器学习要解决的问题本身是没有什么帮助的。熟练使用二叉树散列表，准确估算一个图算法的复杂度，都没有任何可能帮助你猜到在女朋友过生日时送什么礼物最好（使用了机器学习算法的淘宝君却很可能知道！）。因此不要把它们看成是搭积木拼构件的关系。

最后，如果以上解释仍然让你费解，那么还有一个更通俗的解释：算法导论是教你如何数数，而机器学习基本上相当于星座算命。一个很机械，一个靠忽悠，差不多就是这样吧。
具体分析见链接：http://www.hu.com/question/24976006

⑤ 国内大学计算机专业为什么不把算法导论作为教材，而竟然还学MFC

学MFC怎么了，多实用啊，算法你要学自己去图书馆钻研啊，你不能逼着别人一起学啊。不是所有人都走研究系的，开发一个游戏也不是需要那么多高端的算法的，又不是开发系统。说实话，我猜肯定是挂科率太高所以不作为基础课，反正我们学校是作为选修课存在的。每个人有每个人的路，事实证明，数据结构不能舍弃，算法不能舍弃，但是算法导论这本书，未必需要学那么多。

⑥ 请问看完看懂《算法导论》这本书的话月薪可以达到三千五吗

MIT 殿堂级教科书，在中国是bat的入门条件之一，在美国基本上读懂了flag随便进了。。。基本上入职13w刀年薪差不多 好好学吧小兄弟

⑦ 《算法导论》与《算法设计》选择哪本更好

总的来说，两本各有所长，建议可以都涉及涉及一下，然后根据自己重点学习哪个。另外我觉得想自学算法，我认为吧，就是看学写无数算法，然后就可以信手拈来的自己去写。同时如果自学算法，我的建议是最好是多思考多动手（可以结合现实当中的各种程序算法，想一下他们怎么用算法写出来的，就比如饭堂里刷卡算钱等等。。如何用算法做到的。。），这样自学就很有意义了。

⑧ 求算法导论下载地址，如果是百度云就不要压缩包了谢谢各位。

建议读中文的。分析：1.《算法导论》是一本可谓“面面俱到”的书，其中对算法的证明占了很大的比重，这在一般的算法书中并不多见，也是它严谨性的体现。中英文在理解上的区别也就在于如何引出这个算法、算法为什么正确上。但是这些证明虽然有重要意义，但是在实用价值上一般比不上算法本身。我自己在学习算法的时候都是先了解算法思想，再了解算法执行过程，再记住代码，然后做题，最后再来回顾导引和证明，即先知其然，再知其所以然。不能光知其然，那样无法掌握思想，思想才是精髓；而一上来就直奔证明，又缺乏学习效率。（也可能这只是我个人的特点）就算法执行过程本身，中英文都一样，而且由于伪代码本身并无区别，所以先读中文，以掌握算法。2.当参加国际比赛的时候，题目都是用英文描述；当对算法的研究再上一个层次的时候，国内的译材已经不能够满足学习需要了。要想进步，达到高层次的领域，实现“出色”和“领先”，就一定要大量研读外国文献。这要求英语必须要好。综上，我的建议是：读中文版《算法导论》，掌握算法，再看解释，理解它，才能更好地运用。学好英语，为达到更高的层次做准备。《算法导论》内容非常丰富，应该读好几遍，到时候再看英文的也不迟。

⑨ 《算法导论》这本书是用什么语言写的

用伪代码（Pseudocode）写的。伪代码（Pseudocode）是一种算法描述语言，本身不能被解释或者编译。使用伪代码的目的是为了使被描述的算法可以容易地以任何一种编程语言（Pascal，C，Java，etc）实现。

⑩ 关于算法导论

概念：

红黑树是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构，典型的用途是实现关联数组。它是在1972年由Rudolf Bayer发明的，他称之为"对称二叉B树"，它现代的名字是在 Leo J. Guibas 和 Robert Sedgewick 于1978年写的一篇论文中获得的。它是复杂的，但它的操作有着良好的最坏情况运行时间，并且在实践中是高效的: 它可以在O(log n)时间内做查找，插入和删除，这里的n 是树中元素的数目。

红黑树是一种很有意思的平衡检索树。它的统计性能要好于平衡二叉树(有些书籍根据作者姓名，Adelson-Velskii和Landis，将其称为AVL-树)，因此，红黑树在很多地方都有应用。在C++ STL中，很多部分(目前包括set, multiset, map, multimap)应用了红黑树的变体(SGI STL中的红黑树有一些变化，这些修改提供了更好的性能，以及对set操作的支持)。

背景和术语：
红黑树是一种特定类型的二叉树，它是在计算机科学中用来组织数据比如数字的块的一种结构。所有数据块都存储在节点中。这些节点中的某一个节点总是担当启始位置的功能，它不是任何节点的儿子；我们称之为根节点或根。它有最多两个"儿子"，都是它连接到的其他节点。所有这些儿子都可以有自己的儿子，以此类推。这样根节点就有了把它连接到在树中任何其他节点的路径。

如果一个节点没有儿子，我们称之为叶子节点，因为在直觉上它是在树的边缘上。子树是从特定节点可以延伸到的树的某一部分，其自身被当作一个树。在红黑树中，叶子被假定为 null 或空。

由于红黑树也是二叉查找树，它们当中每一个节点都的比较值都必须大于或等于在它的左子树中的所有节点，并且小于或等于在它的右子树中的所有节点。这确保红黑树运作时能够快速的在树中查找给定的值。
用途和好处：
红黑树和AVL树一样都对插入时间、删除时间和查找时间提供了最好可能的最坏情况担保。这不只是使它们在时间敏感的应用如即时应用(real time application)中有价值，而且使它们有在提供最坏情况担保的其他数据结构中作为建造板块的价值；例如，在计算几何中使用的很多数据结构都可以基于红黑树。

红黑树在函数式编程中也特别有用，在这里它们是最常用的持久数据结构之一，它们用来构造关联数组和集合，在突变之后它们能保持为以前的版本。除了O(log n)的时间之外，红黑树的持久版本对每次插入或删除需要O(log n)的空间。

红黑树是 2-3-4树的一种等同。换句话说，对于每个 2-3-4 树，都存在至少一个数据元素是同样次序的红黑树。在 2-3-4 树上的插入和删除操作也等同于在红黑树中颜色翻转和旋转。这使得 2-3-4 树成为理解红黑树背后的逻辑的重要工具，这也是很多介绍算法的教科书在红黑树之前介绍 2-3-4 树的原因，尽管 2-3-4 树在实践中不经常使用。
属性：
红黑树是每个节点都有颜色特性的二叉查找树，颜色的值是红色或黑色之一。除了二叉查找树带有的一般要求，我们对任何有效的红黑树加以如下增补要求:

1.节点是红色或黑色。

2.根是黑色。

3.每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)

4.从每个叶子到根的所有路径都包含相同数目的黑色节点。

这些约束强制了红黑树的关键属性: 从根到叶子的最长的可能路径不大于最短的可能路径的两倍长。结果是这个树大致上是平衡的。因为操作比如插入、删除和查找某个值都要求与树的高度成比例的最坏情况时间，这个在高度上的理论上限允许红黑树在最坏情况下都是高效的，而不同于普通的二叉查找树。

在很多树数据结构的表示中，一个节点有可能只有一个儿子，而叶子节点包含数据。用这种范例表示红黑树是可能的，但是这会改变一些属性并使算法复杂。为此，本文中我们使用 "null 叶子" 或"空(null)叶子"，如上图所示，它不包含数据而只充当树在此结束的指示。这些节点在绘图中经常被省略，导致了这些树好像同上述原则相矛盾，而实际上不是这样。与此有关的结论是所有节点都有两个儿子，尽管其中的一个或两个可能是空叶子。

操作：
在红黑树上只读操作不需要对用于二叉查找树的操作做出修改，因为它也二叉查找树。但是，在插入和删除之后，红黑属性可能变得违规。恢复红黑属性需要少量(O(log n))的颜色变更(这在实践中是非常快速的)并且不超过三次树旋转(对于插入是两次)。这允许插入和删除保持为 O(log n) 次，但是它导致了非常复杂的操作。