. 演算法導論 第四版
                                                                      
 
 
 

演算法導論 第四版
Introduction to Algorithms, 4th edition
 
作者: Thomas H. Cormen等
譯者: 賴屹民
書號: ACL067500     出版日: 2024/08/13
ISBN: 9786263248366     EAN: 9786263248366
紙本書價格: 1800     附件: 
電子書: 尚未出版
試讀  
  博客來  
  金石堂  
  天瓏  
  MOMO  
  團體購書



回頁首
暢銷經典,全球銷售超過百萬本

Thomas H. Cormen、Charles E. Leiserson、Ronald L. Rivest和Clifford Stein所著的《演算法導論》受到世界各地許多著名大學廣泛採用,作為演算法課程的主要教科書。

本書即是大家耳熟能詳的CLRS。歷經數個版次,同時受到廣泛選用所造就的不可替代性,在該領域的社群和學術界,常以作者姓氏的首個英文字母「CLRS」,作為這本經典著作的代稱。

這本書因幾個關鍵特點而備受讚譽:

‧內容全面:本書涵蓋了從基本到進階的演算法主題,適合各個程度的讀者,無論是大學生、研究生或業界人士,都能從中受益。
‧清晰的講解:書中以清晰詳細的方式解釋各種演算法,並搭配虛擬碼,幫助讀者理解演算法的實作過程。
‧嚴謹的數學分析:本書提供了演算法的數學分析,幫助讀者深入理解演算法的效率和複雜度,對於希望深入研究演算法理論的讀者很有幫助。
‧豐富的練習題:每章結尾都有大量的練習題,這些題目設計巧妙,有助於對學習內容的強化和加深理解。
‧現實應用:書中展示了多演算法在實際問題中的應用,增加了學習的趣味性和實用性。
這些特點使得《演算法導論》成為計算機科學領域的經典教材,廣受學術界和業界人士的推崇。


有些演算法書籍雖然嚴謹卻不夠完整,有些則包羅萬象卻嚴謹不足,獨樹一幟的《演算法導論》既嚴謹且全面,不僅深入探討廣泛的演算法,也透過自成一體的章節及演算法虛擬碼,讓各種程度的讀者皆能理解演算法的設計和分析。
《演算法導論》自第一版問世以來,已成為全球大學的主要演算法教材,以及專業人士的標準參考書。

本書的第四版做了全面的更新,採用更清晰的文筆、更個人化且性別中立的表達方式,並透過顏色來增進視覺表現。我們根據讀者的回饋改進問題,讓注釋和參考文獻反映這個領域的最新發展,並且在本書的網站提供新的補充教材。

第四版的新內容
‧關於二部圖、線上演算法與機器學習的新章節
‧探討遞迴方程、雜湊表、勢能函數及後綴陣列等主題的新內容
‧新增140道新習題和22道新問題

本書提供超過900道習題與162個問題,讀者可以在本書網站上找到大部分的解答。適合大學或研究所的演算法或資料結構課程使用;此外,由於本書探討演算法設計的工程問題和數學層面,所以也適合專業技術人員用來自學。

http://mitpress.mit.edu/algorithms

回頁首
Thomas H. Cormen 是達特茅斯學院的計算機科學榮譽教授。
Charles E. Leiserson 是麻省理工學院Edwin Sibley Webster學院的電機工程暨計算機科學教授。
Ronald L. Rivest 是麻省理工學院的研究所教授。
Clifford Stein 是哥倫比亞大學的工業工程暨運籌學以及計算機科學的Wai T. Chang教授。


回頁首

PART Ⅰ 基礎
1 演算法在計算時的作用
2 起點
3 分析執行時間的特性
4 分治法
5 機率分析與隨機演算法

PART Ⅱ 排序和順序統計量
6 堆積排序
7 快速排序
8 以線性時間排序
9 中位數與順序統計量

PART Ⅲ 資料結構
10 基本資料結構
11 雜湊表
12 二元搜尋樹
13 紅黑樹

PART Ⅳ 進階設計和分析技術
14 動態規劃
15 貪婪演算法
16 平攤分析

PART Ⅴ 高階資料結構
17 擴充資料結構
18 B 樹
19 不相交集合的資料結構

PART Ⅵ 圖演算法
20 初級圖演算法
21 最小生成樹
22 單源最短路徑
23 all-pairs 最短路徑
24 最大流量
25 二部圖的配對

PART Ⅶ 特選主題
26 平行演算法
27 線上演算法
28 矩陣運算
29 線性規劃
30 多項式與 FFT
31 數論演算法
32 字串比對
33 機器學習演算法
34 NP 完備性
35 近似演算法

PART Ⅷ 附錄:數學基礎
A 求和
B 集合與離散數學的其他要素
C 計數與機率
D 矩陣

回頁首

機器學習的高風險應用|負責任的人工智慧方法 精通機器學習|使用Scikit-Learn, Keras與TensorFlow 第三版 機器學習的公式推導和程式實作


  
 

關於碁峰隱私權政策聯絡我們     檢視 : PC 版  手機版
碁峰資訊股份有限公司 GOTOP INFORMATION INC.
台北市南港區三重路66號7樓之6 / 7F.-6,No.66,Sanchong Rd.,Nangang District,Taipei
TEL:(02)2788-2408 FAX:(02)8192-4433 劃撥帳號:14244383
Copyright 2014© GOTOP Information Inc, All Rights Reserved 請勿任意連結、轉載