数据结构与算法分析.rtf

数据结构与算法分析：C 语言描述（原书第2 版）图书信息图书信息 作者：（美）维斯 著，冯舜玺 译 出 版 社：机械工业出版社 出版时间：2004-1-1 版次：1 版 1 次 页数：391 印刷时间：2004-1-1 纸张：胶版纸 印次：1 I S B N：9787111127482 包装：平装 内容简介内容简介 书中详细介绍了当前流行的论题和新的变化，讨论了算法设计技巧，并在研究算法的性能、效率以及对运行时间分析的基础上考查了一些高级数据结构，从历史的角度和近年的进展对数据结构的活跃领域进行了简要的概括。由于本书选材新颖，方法实用，题例丰富，取舍得当。本书的目的是培养学生良好的程序设计技巧和熟练的算法分析能力，使得他们能够开发出高效率的程序。从服务于实践又锻炼学生实际能力出发，书中提供了大部算法的 C 程序和伪码例程，但并不是全部。一些程序可从互联网上获得。本书是Data Structures and Algorithm Analysis in C一书第 2版的简体中译本。原书曾被评为 20 世纪顶尖的 30 部计算机著作之一，作者 Mark Allen Weiss 在数据结构和算法分析方面卓有建树，他的数据结构和算法分析的著作尤其畅销，并受到广泛好评已被世界 500 余所大学用作教材。在本书中，作者更加精炼并强化了他对算法和数据结构方面创新的处理方法。通过 C 程序的实现，着重阐述了抽象数据类型的概念，并对算法的效率、性能和运行时间进行了分析。算法之美算法之美 2008-03-14 10:39:53 来自:etone Algorithms 的评论 5 这是本很新的书，06 年末发行，07 年才慢慢出现于人们的视野。我在 08 年初得知这本书，那会我还很奇怪：都什么年月了，怎么还有人写算法教材这么“经典”的工作，不是上个世纪就被人做完了吗。读了这本 Algorithms，我才知道：这才是我心中的算法书，我等待这样一本书已经很多年了。它的确当得起这个名字。书的三位作者：Sanjoy Dasgupta,Papadimitriou,Umesh Vazirani。其中，Umesh 堪称计算机理论界的第二名师（第一名师是他自己的导师 Manuel Blum），他带过的学生们犹如一个理论计算机科学新生代的全明星队。另一个作者 Papadimitriou 可算是理论界的第二名笔（第一非 Knuth 莫属），他的书 Computational Complexity 和 Combinatorial optimization 堪称理论计算机科学最好读的专业书，他业余还写了本小说Turing。第三个作者 Dasgupta 是个算法方向的研究者，他最年轻，本身就是 Umesh 的学生，相比前面二位也没什么噱头可他注定要因这本 Algorithms 而被载入计算机科学的史册。在这本书之前，算法的经典教材首推 CLRS 的算法导论。算法导论让人印象深刻的，是它内容的全面翔实，还有它一千两百页的厚度。而见到这本 Algorithms 时，你会震惊于它的薄。我从亚马逊收到这本书时，还以为拿错了包裹。可读过之后，你就会折服于它的美。这是一本可以给人带来巨大阅读乐趣的专业书籍。作者娓娓道来，又惜墨如金。用极精炼的语言，为我们指明了一条通向那些美丽算法的线索。我要由衷地说：这本书不仅仅是一些结果的集合，更是一段美好的旅程。我对书中涉及的内容已然熟悉，但读过之后仍感收获良多，对算法这门学问又多了些认识。真的是，写书当如是。对我来说，算法的教与学有两个困难的地方：其一，我们学习了那些经典的算法，除了赞叹一下设计的巧思，但总难免问上一句：怎么想到的？对学生来说，这可能是最费解、也最让人窝火的地方。我们下再多的功夫去记忆书上的算法、去分析这些算法的效率，却终究不能理喻得到这些算法的过程。心理盘算着：给我一个新问题，让我设计个算法出来，我能行吗？答案是：不知道。可这偏偏又是极重要的，无论作研究还是实际工作，一个计算机专业人士最重要的能力，就是解决问题解决那些不断从理论模型、或者从实际应用中冒出来的新问题。其二，算法作为一门学问，有两条正交的线索。一个是算法处理的对象：数、矩阵、集合、串(strings)、排列(permutations)、图(graphs)、表达式(formula)、分布(distributions)，等等。另一个是算法的设计思想：贪婪、分治、动态规划、线性规划、局部搜索(local search)，等等。这两条线索几乎是相互独立的：同一个离散对象，例如图，稍有不同的问题，例如 single-source shortest path 和 all-pair shortest path，就可以用到不同的设计思想，如贪婪和动态规划；而完全不同的离散对象上的问题，例如排序和整数乘法，也许就会用到相同的思想，例如分治。两条线索交织在一起，该如何表述。对学生而言，不同离散对象的差别是直观的我们已经惯于在一章里面完全讲排序、而在另一章里面完全讲图论算法；可是对算法而言，设计思想的差别是根本的，因为这是从问题的结构来的：不同离散对象上面定义的问题，可以展现出类似的结构，而这结构特征，就是支持一类算法的根本，也是我们设计算法的依据。坦率的说，之前还没有哪一本算法书很好的解决这两个困难，就连算法导论在这两个问题上也都做得不好。传统的算法书，大多注重内容(content)的收录，但却忽视思维过程的展示(exposition)，因此我们学习了经典的算法，却费解于得到算法的过程；而且算法教材对于内容的编排多是枚举式的(enumerative)，这多少是受了 the art of computer programming 的影响可那是本工具书而不是教材，因此我们一提到算法课，就想起了排序、哈希、最短路径这些题目(topics)，却没有一个统一的线索在心中。这本 Algorithms，在短短的篇幅内，做到了。三位作者可谓野心勃勃，几乎是胆大妄为。他们对传统算法教学思路的颠覆和背叛可谓前所未有。刚拿到目录的时候，我就替他们捏了一把汗，觉得这哪里像一本“正经”的算法书。可读下来，却不由得佩服算法书早该这么写了。他们并没有要全面的收录各种各样的算法，他们做的事情是理清了一条算法这门学问的线索。因此填鸭式的内容灌输不是这本书的目的；对结构的精心安排，对问题的数学结构的剖析、从而推出一个算法的过程的讲解，都体现除了这本书真正的用心：它要让学生获得最大程度的启发，要训练学生独立解决问题的能力。我觉得这才是教育的真正目的，也是算法课应该追求的目标。说完了种种溢美之词，也来补充一下这本书的不足。这样一本精炼的算法书，为了它道理的清晰、为了它的美，必然会放弃一点对面面俱到的追求。如果我用这本书来教一门算法课的话，我会增加一点以下的内容：1.数据结构。这本书对数据结构没有单独的章节，都是在某个数据结构被一个算法用到的时候讲一下，例如 priority queue 之于 Dijkstras algorithm。这种做法体现了作者的观点：这门课完全就是关于 algorithms，数据结构对于算法而言就只是个工具。如果同一个系还能开出一门很强的 data structures 课，这么做当然很好，各有侧重。但若是我来上课，肯定会提一下数据结构的一些重要思想，例如 hashing，和他们的数学背景。因为对于一些实际问题，数据结构已不再是个工具，可能就是问题本身。2.几个没有被此书涉及到的算法设计和分析的工具：对手论证(adversarial argument)，matroid，平摊分析(amortized analysis)。3.书中每个算法问题目前最好的上下界(upper bounds,lower bounds)。对于一本书而言，让它记录这些不太现实，因为除非上下界已经紧了，也许出版的第二天就会有更好的上界或下界（其实这事已经发生了，书最结尾 historical notes 提了一句整数乘法的 fastest known algorithm，结果现在这个结果已经被刷新了）。但老师上课的时候，应该跟学生们讲一下这个内容，让学生心里有这个“上下界”和open problem的概念，也晓得算法不是死知识，而是正在发生中的事。4.讲一点比贪婪、动态规划等等更加“现代”的算法设计的思想，例如 spectral analysis,metric embedding,rapid mixing of markov chain 等等。也提一点当下的实际问题（例如 google 或豆瓣想解决的问题）面临的一些新的考虑，例如非经典的现实的计算模型：考虑内外存的 I/O 模型，面对海量数据输入的 streaming model，海量数据的 sub-linear algorithms 等等。这些现实模型上的算法需要重新设计去面对新的考量。我理解 Algorithms 这本书没有收录这些内容的原因。越是新的东西老的越快，没有人希望自己的书很快过时。但上课不妨出一些这样的 case studies，时髦的东西学生肯定会很感兴趣，这些新东西的粗糙也可以锻炼学生实际解决问题的能力。5.除了这本 Algorithms 作为教材，补充读物可以在 CLRS 算法导论和 Kleinberg 和 Tardos 的算法设计（这也是本顶新的书）之间选择一本。我个人推荐后者。