注冊 | 登錄讀書好，好讀書，讀好書！
讀書網-DuShu.com
當前位置： 首頁出版圖書科學技術計算機/網絡計算機科學理論與基礎知識算法設計

算法設計

算法設計

定　價：￥68.00

作　者： （美）克萊因伯格（Kleinberg, J.）, （美）塔多斯（Tardos, E.）著
出版社： 清華大學出版社
叢編項： 大學計算機教育國外著名教材系列
標　簽： 電子計算機 算法設計 高等學校 教材 英文
ISBN： 9787302122609 出版時間： 2006-02-01 包裝： 平裝
開本： 16開 頁數(shù)： 838 字數(shù)：  

內容簡介

本書是近年來關于算法設計和分析的不可多得的優(yōu)秀教材。本書圍繞算法設計技術組織素材，對每種算法技術選擇了多個典型范例進行分析。本書將直觀性與嚴謹性完美地結合起來。每章從實際問題出發(fā)，經過具體、深入、細致的分析，自然且富有啟發(fā)性地引出相應的算法設計思想，并對算法的正確性、復雜性進行恰當?shù)姆治?、論證。本書覆蓋的面較寬，凡屬串行算法的經典論題都有涉及，并且論述深入有新意。全書共200多道豐富而精彩的習題是本書的重要組成部分，也是本書的突出特色之一。本書適用于本科高年級學生以及研究生算法課的教材，也很適于具有計算機或相近專業(yè)本科水平的人自學算法的需要。本書是近年來關于算法設計和分析的不可多得的優(yōu)秀教材。本書圍繞算法設計技術組織素材，對每種算法技術選擇了多個典型范例進行分析。本書將直觀性與嚴謹性完美地結合起來。每章從實際問題出發(fā)，經過具體、深入、細致的分析，自然且富有啟發(fā)性地引出相應的算法設計思想，并對算法的正確性、復雜性進行恰當?shù)姆治觥⒄撟C。本書覆蓋的面較寬，凡屬串行算法的經典論題都有涉及，并且論述深入有新意。全書共200多道豐富而精彩的習題是本書的重要組成部分，也是本書的突出特色之一。本書適用于本科高年級學生以及研究生算法課的教材，也很適于具有計算機或相近專業(yè)本科水平的人自學算法的需要。

作者簡介

　　Jon Kleinberg is a professor of Computer Science at Cornell University. He received his Ph.D. from M.I.T. in 1996. He is the recipient of an NSF Career Award， an ONR Young Investigator Award， an IBM Outstanding Innovation Award， the National Academy of Sciences Award for Initiatives in Research， research fellowships from the Packard and Sloan Foundations， and teaching awards from the Cornell Engineering College and Computer Science Department.Kleinbergs research is centered around algorithms， particularly those concerned with the structure of networks and information， and with applications to information science， optimization， data mining， and computational biology. His work on network analysis using hubs and authorities helped form the foundation for the current generation of Intern

圖書目錄

1 Introduction: Some Representative Problems 
1.1 A First Problem: Stable Matching 
1.2 Five Representative Problems 
1.3 Solved Exercises
1.4 Excercises
1.5 Notes and Further Reading
2 Basics of Algorithms Analysis 
2.1 Computational Tractability 
2.2 Asymptotic Order of Growth Notation 
2.3 Implementing the Stable Matching Algorithm using Lists and Arrays
2.4 A Survey of Common Running Times 
2.5 A More Complex Data Structure: Priority Queues
2.6 Solved Exercises 
2.5 Exercises 
2.7 Notes and Further Reading
3 Graphs 
3.1 Basic Definitions and Applications 
3.2 Graph Connectivity and Graph Traversal 
3.3 Implementing Graph Traversal using Queues and Stacks
3.4 Testing Bipartiteness: An Application of Breadth-First Search 
3.5 Connectivity in Directed Graphs 
3.6 Directed Acyclic Graphs and Topological Ordering 
3.7 Solved Exercises 
3.8 Exercises 
3.9 Notes and Further Reading
4 Greedy Algorithms 
4.1 Interval Scheduling: The Greedy Algorithm Stays Ahead 
4.2 Scheduling to Minimize Lateness: An Exchange Argument
4.3 Optimal Caching: A More Complex Exchange Argument
4.4 Shortest Paths in a Graph 
4.5 The Minimum Spanning Tree Problem 
4.6 Implementing Kruskal's Algorithm: The Union-Find Data Structure
4.7 Clustering 
4.8 Huffman Codes and the Problem of Data Compression
4.9 (*) Minimum-Cost Arborescences: A Multi-Phase Greedy Algorithm 
4.10 Solved Exercises
4.11 Excercises
4.12 Notes and Further Reading
5 Divide and Conquer 
5.1 A First Recurrence: The Mergesort Algorithm
5.2 Further Recurrence Relations
5.3 Counting Inversions
5.4 Finding the Closest Pair of Points
5.5 Integer Multiplication
5.6 Convolutions and The Fast Fourier Transform
5.7 Solved Exercises
5.8 Exercises
5.9 Notes and Further Reading
6 Dynamic Programming 
6.1 Weighted Interval Scheduling: A Recursive Procedure 
6.2 Weighted Interval Scheduling: Iterating over Sub-Problems 
6.3 Segmented Least Squares: Multi-way Choices 
6.4 Subset Sums and Knapsacks: Adding a Variable 
6.5 RNA Secondary Structure: Dynamic Programming Over Intervals 
6.6 Sequence Alignment 
6.7 Sequence Alignment in Linear Space
6.8 Shortest Paths in a Graph 
6.9 Shortest Paths and Distance Vector Protocols 
6.10 (*) Negative Cycles in a Graph 
6.11 Solved Exercises
6.12 Exercises
6.13 Notes and Further Reading
7 Network Flow 
7.1 The Maximum Flow Problem and the Ford-Fulkerson Algorithm
7.2 Maximum Flows and Minimum Cuts in a Network 
7.3 Choosing Good Augmenting Paths 
7.4 (*) The Preflow-Push Maximum Flow Algorithm 
7.5 A First Application: The Bipartite Matching Problem
7.6 Disjoint Paths in Directed and Undirected Graphs
7.7 Extensions to the Maximum Flow Problem 
7.8 Survey Design 
7.9 Airline Scheduling 
7.10 Image Segmentation 
7.11 Project Selection 
7.12 Baseball Elimination 
7.13 (*) A Further Direction: Adding Costs to the Matching Problem 
7.14 Solved Exercises
7.15 Exercises
7.16 Notes and Further Reading
8 NP and Computational Intractability 
8.1 Polynomial-time Reductions 
8.2 Efficient Certification and the Definition of NP 
8.3 NP-Complete Problems 
8.4 Sequencing Problems 
8.5 Partitioning Problems 
8.6 Graph Coloring
8.7 Numerical Problems 
8.8 co-NP and the Asymmetry of NP
8.9 A Partial Taxonomy of Hard Problems 
8.10 Solved Exercises
8.11 Exercises
8.12 Notes and Further Reading
9 PSPACE: A Class of Problems Beyond NP
9.1 PSPACE 
9.2 Some Hard Problems in PSPACE 
9.3 Solving Quantified Problems and Games in Polynomial Space
9.4 Solving the Planning Problem in Polynomial Space
9.5 Proving Problems PSPACE-Complete 
9.6 Solved Exercises
9.7 Exercises
9.8 For Further Reading
10 Extending the Limits of Tractability 
10.1 Finding Small Vertex Covers 
10.2 Solving NP-hard Problem on Trees 
10.3 Coloring a Set of Circular Arcs
10.4 (*) Tree Decompositions of Graphs 
10.5 (*) Constructing a Tree Decomposition 
10.6 Solved Exercises
10.7 Exercises
10.8 Notes and Further Reading
11 Approximation Algorithms 
11.1 Greedy Algorithms and Bounds on the Optimum: A Load Balancing Problem
11.2 The Center Selection Problem 
11.3 Set Cover: A General Greedy Heuristic 
11.4 The Pricing Method: Vertex Cover 
11.5 Maximization via the Pricing method: The Disjoint Paths Problem 
11.6 Linear Programming and Rounding: An Application to Vertex Cover 
11.7 (*) Load Balancing Revisited: A More Advanced LP Application 
11.8 Arbitrarily Good Approximations: the Knapsack Problem 
11.9 Solved Exercises
11.10 Exercises
11.11 Notes and Further Reading
12 Local Search 
12.1 The Landscape of an Optimization Problem 
12.2 The Metropolis Algorithm and Simulated Annealing 
12.3 An Application of Local Search to Hopfield Neural Networks
12.4 Maximum Cut Approximation via Local Search 
12.5 Choosing a Neighbor Relation 
12.6 (*) Classification via Local Search 
12.7 Best-Response Dynamics and Nash Equilibria
12.8 Solved Exercises
12.9 Exercises
12.10 Notes and Further Reading
13 Randomized Algorithms 
13.1 A First Application: Contention Resolution 
13.2 Finding the Global Minimum Cut 
13.3 Random Variables and their Expectations 
13.4 A Randomized Approximation Algorithm for MAX-3-SAT 
13.5 Randomized Divide-and-Conquer: Median-Finding and Quicksort
13.6 Hashing: A Randomized Implementation of Dictionaries
13.7 Finding the Closest Pair of Points: A Randomized Approach
13.8 Randomized Caching
13.9 Chernoff Bounds
13.10 Load Balancing
13.11 (*) Packet Routing 
13.12 Background: Some Basic Probability Definitions
13.13 Solved Exercises
13.14 Exercises
13.15 Notes and Further Reading1 Introduction: Some Representative Problems 
1.1 A First Problem: Stable Matching 
1.2 Five Representative Problems 
1.3 Solved Exercises
1.4 Excercises
1.5 Notes and Further Reading
2 Basics of Algorithms Analysis 
2.1 Computational Tractability 
2.2 Asymptotic Order of Growth Notation 
2.3 Implementing the Stable Matching Algorithm using Lists and Arrays
2.4 A Survey of Common Running Times 
2.5 A More Complex Data Structure: Priority Queues
2.6 Solved Exercises 
2.5 Exercises 
2.7 Notes and Further Reading
3 Graphs 
3.1 Basic Definitions and Applications 
3.2 Graph Connectivity and Graph Traversal 
3.3 Implementing Graph Traversal using Queues and Stacks
3.4 Testing Bipartiteness: An Application of Breadth-First Search 
3.5 Connectivity in Directed Graphs 
3.6 Directed Acyclic Graphs and Topological Ordering 
3.7 Solved Exercises 
3.8 Exercises 
3.9 Notes and Further Reading
4 Greedy Algorithms 
4.1 Interval Scheduling: The Greedy Algorithm Stays Ahead 
4.2 Scheduling to Minimize Lateness: An Exchange Argument
4.3 Optimal Caching: A More Complex Exchange Argument
4.4 Shortest Paths in a Graph 
4.5 The Minimum Spanning Tree Problem 
4.6 Implementing Kruskal's Algorithm: The Union-Find Data Structure
4.7 Clustering 
4.8 Huffman Codes and the Problem of Data Compression
4.9 (*) Minimum-Cost Arborescences: A Multi-Phase Greedy Algorithm 
4.10 Solved Exercises
4.11 Excercises
4.12 Notes and Further Reading
5 Divide and Conquer 
5.1 A First Recurrence: The Mergesort Algorithm
5.2 Further Recurrence Relations
5.3 Counting Inversions
5.4 Finding the Closest Pair of Points
5.5 Integer Multiplication
5.6 Convolutions and The Fast Fourier Transform
5.7 Solved Exercises
5.8 Exercises
5.9 Notes and Further Reading
6 Dynamic Programming 
6.1 Weighted Interval Scheduling: A Recursive Procedure 
6.2 Weighted Interval Scheduling: Iterating over Sub-Problems 
6.3 Segmented Least Squares: Multi-way Choices 
6.4 Subset Sums and Knapsacks: Adding a Variable 
6.5 RNA Secondary Structure: Dynamic Programming Over Intervals 
6.6 Sequence Alignment 
6.7 Sequence Alignment in Linear Space
6.8 Shortest Paths in a Graph 
6.9 Shortest Paths and Distance Vector Protocols 
6.10 (*) Negative Cycles in a Graph 
6.11 Solved Exercises
6.12 Exercises
6.13 Notes and Further Reading
7 Network Flow 
7.1 The Maximum Flow Problem and the Ford-Fulkerson Algorithm
7.2 Maximum Flows and Minimum Cuts in a Network 
7.3 Choosing Good Augmenting Paths 
7.4 (*) The Preflow-Push Maximum Flow Algorithm 
7.5 A First Application: The Bipartite Matching Problem
7.6 Disjoint Paths in Directed and Undirected Graphs
7.7 Extensions to the Maximum Flow Problem 
7.8 Survey Design 
7.9 Airline Scheduling 
7.10 Image Segmentation 
7.11 Project Selection 
7.12 Baseball Elimination 
7.13 (*) A Further Direction: Adding Costs to the Matching Problem 
7.14 Solved Exercises
7.15 Exercises
7.16 Notes and Further Reading
8 NP and Computational Intractability 
8.1 Polynomial-time Reductions 
8.2 Efficient Certification and the Definition of NP 
8.3 NP-Complete Problems 
8.4 Sequencing Problems 
8.5 Partitioning Problems 
8.6 Graph Coloring
8.7 Numerical Problems 
8.8 co-NP and the Asymmetry of NP
8.9 A Partial Taxonomy of Hard Problems 
8.10 Solved Exercises
8.11 Exercises
8.12 Notes and Further Reading
9 PSPACE: A Class of Problems Beyond NP
9.1 PSPACE 
9.2 Some Hard Problems in PSPACE 
9.3 Solving Quantified Problems and Games in Polynomial Space
9.4 Solving the Planning Problem in Polynomial Space
9.5 Proving Problems PSPACE-Complete 
9.6 Solved Exercises
9.7 Exercises
9.8 For Further Reading
10 Extending the Limits of Tractability 
10.1 Finding Small Vertex Covers 
10.2 Solving NP-hard Problem on Trees 
10.3 Coloring a Set of Circular Arcs
10.4 (*) Tree Decompositions of Graphs 
10.5 (*) Constructing a Tree Decomposition 
10.6 Solved Exercises
10.7 Exercises
10.8 Notes and Further Reading
11 Approximation Algorithms 
11.1 Greedy Algorithms and Bounds on the Optimum: A Load Balancing Problem
11.2 The Center Selection Problem 
11.3 Set Cover: A General Greedy Heuristic 
11.4 The Pricing Method: Vertex Cover 
11.5 Maximization via the Pricing method: The Disjoint Paths Problem 
11.6 Linear Programming and Rounding: An Application to Vertex Cover 
11.7 (*) Load Balancing Revisited: A More Advanced LP Application 
11.8 Arbitrarily Good Approximations: the Knapsack Problem 
11.9 Solved Exercises
11.10 Exercises
11.11 Notes and Further Reading
12 Local Search 
12.1 The Landscape of an Optimization Problem 
12.2 The Metropolis Algorithm and Simulated Annealing 
12.3 An Application of Local Search to Hopfield Neural Networks
12.4 Maximum Cut Approximation via Local Search 
12.5 Choosing a Neighbor Relation 
12.6 (*) Classification via Local Search 
12.7 Best-Response Dynamics and Nash Equilibria
12.8 Solved Exercises
12.9 Exercises
12.10 Notes and Further Reading
13 Randomized Algorithms 
13.1 A First Application: Contention Resolution 
13.2 Finding the Global Minimum Cut 
13.3 Random Variables and their Expectations 
13.4 A Randomized Approximation Algorithm for MAX-3-SAT 
13.5 Randomized Divide-and-Conquer: Median-Finding and Quicksort
13.6 Hashing: A Randomized Implementation of Dictionaries
13.7 Finding the Closest Pair of Points: A Randomized Approach
13.8 Randomized Caching
13.9 Chernoff Bounds
13.10 Load Balancing
13.11 (*) Packet Routing 
13.12 Background: Some Basic Probability Definitions
13.13 Solved Exercises
13.14 Exercises
13.15 Notes and Further Reading

本目錄推薦

掃描二維碼
Copyright ? 讀書網 www.dappsexplained.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號