算法设计与分析基础

图书标准信息

• 作者 [美]Anany Levitin 著
• 出版社 清华大学出版社
• 出版时间 2013-05
• 版次 3
• ISBN 9787302311850
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 596页
• 字数 1047千字
• 正文语种 英语
• 原版书名 Introduction to the Design and Analysis of Algorithms

【内容简介】

　　《算法设计与分析基础 （第3版）（影印版）》在讲述算法设计技术时采用了新的分类方法，在讨论分析方法时条分缕析，形成了连贯有序、耳目一新的风格。为便于学生掌握，本书涵盖算法入门课程的全部内容，更注重对概念(而非形式)的理解。书中通过一些流行的谜题来激发学生的兴趣，帮助他们加强和提高解决算法问题的能力。每章小结、习题提示和详细解答，形成了非常鲜明的教学特色。

【作者简介】

　　Anany Levitin博士，美国维拉诺瓦大学教授，毕业于莫斯科国立大学并获得数学硕士学位。他拥有耶路撒冷希伯来大学数学博士学位和美国肯塔基大学计算机科学硕士学位。他的著作《算法设计与分析基础》已经被翻译为中文、俄文、希腊文和韩文，并被全球数百所高校广泛用作教材。目前，Levitin博士在美国维拉诺瓦大学讲授“算法设计与分析”课程。他的另一本著作《算法谜题》已经于2011年秋出版。
　　Anany Levitin，美籍犹太人，维拉诺瓦大学（Villanova）计算机科学系教授。他的论文“算法设计技术新途径：弥补传统分类法的缺憾”(A New Road Mpa of Algorithm Design Techniques： Picking Up Where the Traditional Classfication Leaves Off)深受业内好评，并享有广泛的声誉。他提出的这种新分类方法涵盖众多经典算法，开创了传统分类无法以一致方式介绍这些算法的先河。作为通用的问题解决工具，算法设计技术的应用很广，尤其适用于解决“狼，羊，白菜”问题和旅行商问题之类的流行谜题。
　　因为他对算法教育所做出的杰出贡献，Levitin教授曾多次受邀在SIGCSE(Computer Science Education，计算机教育) 全球大会上发表演讲，此大会每三年才举行一次。
　　Anany Levitin教授目前的研究课题为“Do We Teach the Right Algorithm Design Techniques ？”

【目录】

New to the Third Edition xvii
Preface xix
1Introduction 
1.1 What Is an Algorithm? 
Exercises 1.1 
1.2 Fundamentals of Algorithmic Problem Solving 
Understanding the Problem 
Ascertaining the Capabilities of the Computational Device 
Choosing between Exact and Approximate Problem Solving 
Algorithm Design Techniques 
Designing an Algorithm and Data Structures 
Methods of Specifying an Algorithm 
Proving an Algorithm's Correctness 
Analyzing an Algorithm 
Coding an Algorithm 
Exercises 1.2 
1.3 Important Problem Types 
Sorting 
Searching 
String Processing 
Graph Problems 
Combinatorial Problems 
Geometric Problems 
Numerical Problems 
Exercises 1.3 
1.4 Fundamental Data Structures 
Linear Data Structures 
Graphs 
Trees 
Sets and Dictionaries 
Exerises 1.4 
Summary 
2 Fundamentals of the Analysis of Algorithm Efficiency 
2.1 The Analysis Framework 
Measuring an Input's Size 
Units for Measuring Running Time 
Orders of Growth 
Worst-Case, Best-Case, and Average-Case Efficiencies 
Recapitulation of the Analysis Framework 
Exercises 2.1 
2.2 Asymptotic Notations and Basic Efficiency Classes 
Informal Introduction 
O-notation 
-notation 
-notation 
Useful Property Involving the Asymptotic Notations 
Using Limits for Comparing Orders of Growth 
Basic Efficiency Classes 
Exercises 2.2 
2.3 Mathematical Analysis of Nonrecursive Algorithms 
Exercises 2.3 
2.4 Mathematical Analysis of Recursive Algorithms 
Exercises 2.4 
2.5 Example: Computing the nth Fibonacci Number 
Exercises 2.5 
2.6 Empirical Analysis of Algorithms 
Exercises 2.6 
2.7 Algorithm Visualization 
Summary 
3 Brute Force and Exhaustive Search 
3.1 Selection Sort and Bubble Sort 
Selection Sort 
Bubble Sort 
Exercises 3.1 
3.2 Sequential Search and Brute-Force String Matching 
Sequential Search 
Brute-Force String Matching 
Exercises 3.2 
3.3 Closest-Pair and Convex-Hull Problems by Brute Force 
Closest-Pair Problem 
Convex-Hull Problem 
Exercises 3.3 
3.4 Exhaustive Search 
Traveling Salesman Problem 
Knapsack Problem 
Assignment Problem 
Exercises 3.4 
3.5 Depth-First Search and Breadth-First Search 
Depth-First Search 
Breadth-First Search 
Exercises 3.5 
Summary 
4 Decrease-and-Conquer 
4.1 Insertion Sort 
Exercises 4.1 
4.2 Topological Sorting 
Exercises 4.2 
4.3 Algorithms for Generating Combinatorial Objects 
Generating Permutations 
Generating Subsets 
Exercises 4.3 
4.4 Decrease-by-a-Constant-Factor Algorithms 
Binary Search 
Fake-Coin Problem 
Russian Peasant Multiplication 
Josephus Problem 
Exercises 4.4 
4.5 Variable-Size-Decrease Algorithms 
Computing a Median and the Selection Problem 
Interpolation Search 
Searching and Insertion in a Binary Search Tree 
The Game of Nim 
Exercises 4.5 
Summary 
5 Divide-and-Conquer 
5.1 Mergesort 
Exercises 5.1 
5.2 Quicksort 
Exercises 5.2 
5.3 Binary Tree Traversals and Related Properties 
Exercises 5.3 
5.4 Multiplication of Large Integers and
Strassen's Matrix Multiplication 
Multiplication of Large Integers 
Strassen's Matrix Multiplication 
Exercises 5.4 
5.5 The Closest-Pair and Convex-Hull Problems
by Divide-and-Conquer 
The Closest-Pair Problem 
Convex-Hull Problem 
Exercises 5.5 
Summary 
6 Transform-and-Conquer 
6.1 Presorting 
Exercises 6.1 
6.2 Gaussian Elimination 
LU Decomposition 
Computing a Matrix Inverse 
Computing a Determinant 
Exercises 6.2 
6.3 Balanced Search Trees 
AVL Trees 
2-3 Trees 
Exercises 6.3 
6.4 Heaps and Heapsort 
Notion of the Heap 
Heapsort 
Exercises 6.4 
6.5 Horner's Rule and Binary Exponentiation 
Horner's Rule 
Binary Exponentiation 
Exercises 6.5 
6.6 Problem Reduction 
Computing the Least Common Multiple 
Counting Paths in a Graph 
Reduction of Optimization Problems 
Linear Programming 
Reduction to Graph Problems 
Exercises 6.6 
Summary 
7 Space and Time Trade-Offs 
7.1 Sorting by Counting 
Exercises 7.1 
7.2 Input Enhancement in String Matching 
Horspool's Algorithm 
Boyer-Moore Algorithm 
Exercises 7.2 
7.3 Hashing 
Open Hashing (Separate Chaining) 
Closed Hashing (Open Addressing) 
Exercises 7.3 
7.4 B-Trees 
Exercises 7.4 
Summary 
8 Dynamic Programming 
8.1 Three Basic Examples 
Exercises 8.1 
8.2 The Knapsack Problem and Memory Functions 
Memory Functions 
Exercises 8.2 
8.3 Optimal Binary Search Trees 
Exercises 8.3 
8.4 Warshall's and Floyd's Algorithms 
Warshall's Algorithm 
Floyd's Algorithm for the All-Pairs Shortest-Paths Problem 
Exercises 8.4 
Summary 
9 Greedy Technique 
9.1 Prim's Algorithm 
Exercises 9.1 
9.2 Kruskal's Algorithm 
Disjoint Subsets and Union-Find Algorithms 
Exercises 9.2 
9.3 Dijkstra's Algorithm 
Exercises 9.3 
9.4 Huffman Trees and Codes 
Exercises 9.4 
Summary 
10 Iterative Improvement 
10.1 The Simplex Method 
Geometric Interpretation of Linear Programming 
An Outline of the Simplex Method 
Further Notes on the Simplex Method 
Exercises 10.1 
10.2 The Maximum-Flow Problem 
Exercises 10.2 
10.3 Maximum Matching in Bipartite Graphs 
Exercises 10.3 
10.4 The Stable Marriage Problem 
Exercises 10.4 
Summary 
11 Limitations of Algorithm Power 
11.1 Lower-Bound Arguments 
Trivial Lower Bounds 
Information-Theoretic Arguments 
Adversary Arguments 
Problem Reduction 
Exercises 11.1 
11.2 Decision Trees 
Decision Trees for Sorting 
Decision Trees for Searching a Sorted Array 
Exercises 11.2 
11.3 P, NP, and NP-Complete Problems 
P and NP Problems 
NP-Complete Problems 
Exercises 11.3 
11.4 Challenges of Numerical Algorithms 
Exercises 11.4 
Summary 
12 Coping with the Limitations of Algorithm Power 
12.1 Backtracking 
n-Queens Problem 
Hamiltonian Circuit Problem 
Subset-Sum Problem 
General Remarks 
Exercises 12.1 
12.2 Branch-and-Bound 
Assignment Problem 
Knapsack Problem 
Traveling Salesman Problem 
Exercises 12.2 
12.3 Approximation Algorithms for NP-Hard Problems 
Approximation Algorithms for the Traveling Salesman Problem 
Approximation Algorithms for the Knapsack Problem 
Exercises 12.3 
12.4 Algorithms for Solving Nonlinear Equations 
Bisection Method 
Method of False Position 
Newton's Method 
Exercises 12.4 
Summary 
Epilogue 
APPENDIX A
Useful Formulas for the Analysis of Algorithms 
Properties of Logarithms 
Combinatorics 
Important Summation Formulas 
Sum Manipulation Rules 
Approximation of a Sum by a Definite Integral 
Floor and Ceiling Formulas 
Miscellaneous 
APPENDIX B
Short Tutorial on Recurrence Relations 
Sequences and Recurrence Relations 
Methods for Solving Recurrence Relations 
Common Recurrence Types in Algorithm Analysis 
References 
Hints to Exercises 
Index