本書主要目標是提高讀者關於算法對程式效率的影響等問題的認知水平，並培養讀者分析程式中的算法所必需的技巧。書中所有算法以偽碼形式給出，使得具備條件表達式、循環與遞歸方面知識的讀者均易於理解。本書以簡潔的寫作風格向讀者介紹了兼具空間效率、時間效率的軟體設計問題。本書以全面的教學材料，向讀者提供如何講授運用行之有效的、協同的學習方法的解決方案和背景知識。
基本介紹
- 書名：算法分析：有效的學習方法
- 又名： Analysis of Algorithms
- ISBN：7040126591
- 出版社：高等教育出版社
圖書信息,內容簡介,媒體評論,目錄,
圖書信息
出版社: 高等教育出版社; (影印版) (2003年1月1日)
外文書名: Analysis of Algorithms
平裝: 297頁
正文語種: 英語
開本: 16
ISBN: 7040126591
條形碼: 9787040126594
尺寸: 23 x 18.6 x 1.4 cm
重量: 399 g
內容簡介
本書主要目標是提高讀者關於算法對程式效率的影響等問題的認知水平，並培養讀者分析程式中的算法所必需的技巧。各章材料以激發讀者有效的、協同的學習方法的形式講述。通過全面的論述和完整的數學推導，本書幫助讀者最大限度地理解基本概念。
本書內容包括促使學生參與其中的大量程式設計課題。書中所有算法以偽碼形式給出，使得具備條件表達式、循環與遞歸方面知識的讀者均易於理解。本書以簡潔的寫作風格向讀者介紹了兼具空間效率、時間效率的軟體設計問題。本書以全面的教學材料，向讀者提供如何講授運用行之有效的、協同的學習方法的解決方案和背景知識。
Jeffrey J. McConnell是Canisius學院的全職教授，自1990年起任該校計算機系系主任。他是有效與協同學習方法的倡導者。自1993年以來，他將這種方法套用於教學實踐中並達到了相當的高度。他在該領域內有三本論著，並設立了七個實驗室，多次在教學研討會上作專題演講並建立了專題信息網站。他還在計算機圖形學領域發表了14篇著作。
本書可作為計算機及相關專業學習計算機算法的教材，也可供相關技術人員學習參考。
內容：1. 算法分析基礎 2. 搜尋與查找算法 3. 排序算法 4. 數值算法 5. 匹配算法 6. 圖算法 7 並行算法 8. 非確定型算法 9. 相關算法技巧 附錄A 隨機數表 附錄B 偽隨機數生成方法 附錄C 各章學習實例的預定輸入所產生的結果 附錄D 各章參考文獻
媒體評論
書評
本套教學用書的特點：
權威性——教育部高等教育司推薦、教育部高等學校信息科學與技術引進教材專家組遴選。
系統性——覆蓋計算機專業主幹課程和非計算機專業計算機基礎課程；
先進性——著名計算機專家近兩年的最新著作，內容體系先進；
經濟性——價格與國內自編教材相當，是國內引進教材價格最低的。
目錄
Preface
Chapter 1 - Analysis Basics
1.1 What is Analysis?
1.2 What to Count and Consider
1.3 Mathematical Background
1.4 Rates of Growth
1.5 Divide and Conquer Algorithms
1.6 Recurrence Relations
1.7 Analyzing Programs
Chapter 2 - Searching and Selection Algorithms
2.1 Sequential Search
2.2 Binary Search
2.3 Selection
2.4 Programming Exercise
Chapter 3 - Sorting Algorithms
3.1 Insertion Sort
3.2 Bubble Sort
3.3 Shellsort
3.4 Radix Sort
3.5 Heapsort
3.6 Merge Sort
3.7 Quicksort
3.8 External Polyphase Merge Sort
3.9 Additional Exercises
3.10 Programming Exercises
Chapter 4 - Numeric Algorithms
4.1 Calculating Polynomials
4.2 Matrix Multiplication
4.3 Linear Equations
Chapter 5 - Matching Algorithms
5.1 String Matching
5.2 Approximate String Matching
5.3 Programming Exercises
Chapter 6 - Graph Algorithms
6.1 Graph Background and Terminology
6.2 Data Structure Methods for Graphs
6.3 Depth-First and Breadth-First Traversal Algorithms
6.4 Minimum Spanning Tree Algorithm
6.5 Shortest-Path Algorithm
6.6 Biconnected Component Algorithm
6.7 Partitioning Sets
6.8 Programming Exercises
Chapter 7 - Parallel Algorithms
7.1 Parallelism Introduction
7.2 The PRAM Model
7.3 Simple Parallel Operations
7.4 Parallel Searching
7.5 Parallel Sorting
7.6 Parallel Numerical Algorithms
7.7 Parallel Graph Algorithms
Chapter 8 - Nondeterministic Algorithms
8.1 What is NP?
8.2 Typical NP Problems
8.3 What Makes Something NP?
8.4 Testing Possible Solutions
Chapter 9 - Other Algorithmic Techniques
9.1 Greedy Approximation Algorithms
9.2 Probabilistic Algorithms
9.3 Dynamic Programming
9.4 Programming Exercises
Appendix A Random Number Table
Appendix B Pseudorandom Number Generation
Appendix C Results of Chapter Study Suggestion
Appendix D References
Index
