演算法導論的學習路線是怎樣的?

時間 2021-06-01 00:06:33

1樓:

演算法導論確實很牛了,不過不需要從其它的書開始,遇到有問題的,查相關方面的資料學習就好了,還可以深入學習。我反正不知道有什麼書比它涵蓋的內容還多。

2樓:

網易公開課上有MIT的演算法導論課,結合《演算法導論》學就行了,再有不會的就Google一下。

3樓:豬鼻蛇

從能看懂乙個程式語言到給乙個演算法能實現,然後CLRS

我不同意新匿名使用者剛剛發的那個分為數學基礎、CS基礎、還有一本三部分的列表,如果你看完了那個列表,除非你是乙個演算法+看書愛好者,否則為什麼還要看演算法導論?

4樓:丁西林

其實演算法導論講解很詳細了,由淺入深。如果你知道你要學的具體跟什麼相關,就很好學下去,比如mysql索引儲存跟B樹以及變種相關,字典儲存跟雜湊表相關,這樣學的過程中能更加深入。goodluck!

5樓:

數學基礎:

離散數學及其應用

CS基礎:

資料結構與演算法分析:C語言描述,很好的一本資料結構入門書,看完這本書就可以看CLRS了。

演算法第四版,很好的入門書,有些地方講的比CLRS清楚,可以一起看。

演算法精解,學完乙個資料結構可以看看這本書是怎麼寫的,給你乙份詳細地、標準地、值得信賴的implementation。

還有一本

具體數學,這個難度比CLRS大,其實是TAOCP的基礎書,有興趣可以看。

這些書都可以一起看,CLRS的語言風格有點像傳統的中國教科書似的,語言嚴謹、證明羅列,讀起來很快就會悶,其實CLRS涉及的知識都不難,所以結合其他書一起看就能加快理解了。比如印象最深的就是《演算法》裡的紅黑樹,世界上最清晰的紅黑樹講解,當然發明者講解肯定跟別人講不一樣。

不深入研究演算法的話,看完CLRS,做完大部分習題,基本就算夠用了。其實直接讀CLRS是沒問題的,我在讀CLRS前也就只學過乙個月C和乙個月資料結構,陸陸續續搞了幾個月也就吃下來了。當然題沒怎麼做,準備以後挑個暑假慢慢做。

機器學習的演算法和普通《演算法導論》裡的演算法有什麼本質上的異同?

kosora曹 演算法導論 主要面向離散優化和組合優化 機器學習 深度學習 主要面向連續優化 如何把離散優化與連續優化結合起來?強化學習 應運而生 烈日烤魚 本質都是演算法,沒有區別.演算法導論的演算法教你,給你3 5 4 2 1,如何用最少的步驟把他們排序.機器學習的演算法,給你1 2 3 X 5...

演算法導論中,Strassen s的演算法的問題。

AutherM 簡單地解釋應該是用order of growth為 的計算來取代一部分 growth為 使得recurrence 從 變為了 從而使得recurrence 的解由 變為 我看上述答案都沒答在點子上。嘗試答一答,如有錯陋請指出。strassen演算法的關鍵不在於是乘法還是加法,而是在於...

你是如何堅持讀完《演算法導論》這本書的?

因為真的喜歡。興趣是最好的老師。喜歡數學,喜歡演算法。喜歡的東西自然也就不會覺得枯燥了 其實偶爾還是會的 1300多頁的原版書,看完以後成就感拉滿。有人來問問題還能被誇,越誇越有動力。每一道思考題做出來之後帶來的成就感真的是極高的。如果只是為了學個演算法,不打算做證明看數學不打算做題的話這本書我碰都...