你一定能看懂的演算法基礎書《演算法圖解》

阿新 • • 發佈：2019-01-23

圖片描述

本書易於理解，沒有大跨度的思維跳躍，每次引入新概念時，都立即進行詮釋，或者指出將在什麼地方進行詮釋。核心概念都通過練習和反覆詮釋進行強化，以便你檢驗假設，跟上步伐。

書中使用示例來幫助理解。我的目標是讓你輕鬆地理解這些概念，而不是讓正文充

本書前三章將幫助你打好基礎。

第1章：你將學習第一種實用演算法——二分查詢；還將學習使用大O表示法分析演算法的速度。本書從始至終都將使用大O表示法來分析演算法的速度。

第2章：你將學習兩種基本的資料結構——陣列和連結串列。這兩種資料結構貫穿本書，它們還被用來建立更高階的資料結構，如第5章介紹的散列表。

第3章：你將學習遞迴，一種被眾多演算法（如第4章介紹的快速排序）採用的實用技巧。

根據我的經驗，大O表示法和遞迴對初學者來說頗具挑戰性，因此介紹這些內容時我放慢了腳步，花費的篇幅也較長。

餘下的篇幅將介紹應用廣泛的演算法。

問題解決技巧：將在第4、8和9章介紹。遇到問題時，如果不確定該如何高效地解決，可嘗試分而治之（第4章）或動態規劃（第9章）；如果認識到根本就沒有高效的解決方案，可轉而使用貪婪演算法（第8章）來得到近似答案。

散列表：將在第5章介紹。散列表是一種很有用的資料結構，由鍵值對組成，如人名和電子郵件地址或者使用者名稱和密碼。散列表的用途之大，再怎麼強調都不過分。每當我需要解決問題時，首先想到的兩種方法是：可以使用散列表嗎？可以使用圖來建立模型嗎？

圖演算法：將在第6、7章介紹。圖是一種模擬網路的方法，這種網路包括人際關係網、公路網、神經元網路或者任何一組連線。廣度優先搜尋（第6章）和狄克斯特拉演算法（第7章）計算網路中兩點之間的最短距離，可用來計算兩人之間的分隔度或前往目的地的最短路徑。

K最近鄰演算法（KNN）：將在第10章介紹。這是一種簡單的機器學習演算法，可用於建立推薦系統、OCR引擎、預測股價或其他值（如“我們認為Adit會給這部電影打4星”）的系統，以及對物件進行分類（如“這個字母是Q”）。

接下來如何做：第11章概述了適合你進一步學習的10種演算法。

各種符號。我還認為，如果能夠回憶起熟悉的情形，學習效果將達到最佳，而示例有助於喚醒記憶。因此，如果你要記住陣列和連結串列（第2章）之間的差別，只要想想在電影院找座位就坐的情形。另外，不怕你說我囉嗦，我是視覺型學習者，因此本書包含大量的圖示。

本書內容是精挑細選的。沒必要在一本書中介紹所有的排序演算法，不然還要維基百科和可汗學院做什麼。書中介紹的所有演算法都非常實用，對我從事的軟體工程師的工作大有幫助，還可為閱讀更復雜的主題打下堅實的基礎。祝你閱讀愉快！

第 1 章　演算法簡介
第 2 章　選擇排序
第 3 章　遞迴
第 4 章　快速排序
第 5 章　散列表
第 6 章　廣度優先搜尋
第 7 章　狄克斯特拉演算法
第 8 章　貪婪演算法
第 9 章　動態規劃
第 10 章　K最近鄰演算法
第 11 章　接下來如何做
練習答案