算法引论
1. 算法导论的内容简介
《算法导论》自第一版出版以来，已经成为世界范围内广泛使用的大学教材和专业人员的标准参考手册。本书全面论述了算法的内容，从一定深度上涵盖了算法的诸多方面，同时其讲授和分析方法又兼顾了各个层次读者的接受能力。各章内容自成体系，可作为独立单元学习。所有算法都用英文和伪码描述，使具备初步编程经验的人也可读懂。全书讲解通俗易懂，且不失深度和数学上的严谨性。第二版增加了新的章节，如算法作用、概率分析与随机算法、线性编程等，几乎对第一版的各个部分都作了大量修订。
本书深入浅出，全面地介绍了计算机算法。对每一个算法的分析既易于理解又十分有趣，并保持了数学严谨性。本书的设计目标全面，适用于多种用途。涵盖的内容有：算法在计算中的作用，概率分析和随机算法的介绍。本书专门讨论了线性规划，介绍了动态规划的两个应用，随机化和线性规划技术的近似算法等，还有有关递归求解、快速排序中用到的划分方法与期望线性时间顺序统计算法，以及对贪心算法元素的讨论。本书还介绍了对强连通子图算法正确性的证明，对哈密顿回路和子集求和问题的NP完全性的证明等内容。全书提供了900多个练习题和思考题以及叙述较为详细的实例研究。
本书内容丰富，对本科生的数据结构课程和研究生的算法课程都是很实用的教材。本书在读者的职业生涯中，也是一本案头的数学参考书或工程实践手册。
2. 《算法导论第三版》pdf下载在线阅读全文，求百度网盘云资源
《算法导论第三版》网络网盘pdf最新全集下载:
链接: https://pan..com/s/1Kqtznm5T7OhD9ZqI-6VAiQ
简介：算法导论第三版提供了对当代计算机算法研究的一个全面、综合性的介绍。全书共八部分，内容涵盖基础知识、排序和顺序统计量、数据结构、高级设计和分析技术、高级数据结构、图算法、算法问题选编，以及数学基础知识。
3. 《算法导论》有什么好的学习心得
本人没有读过这本书，文化水平不够，就算读了估计也是不知所云，这个应该是比较专业的人看的吧，那我只能从网上摘录些供大家分享。
推荐每学一个算法，就去各个OJ（Online Judge）找一些相关题目做做，有时理论让人很无语，分析代码也是一个不错的选择。
4. 学习算法导论需要什么数学基础或者其他的基础吗
算法导论的数学基础要求不是很高 确切的说老外的书 对于数学的要求都不是很高 但 人家要的是研究的态度 线代 高数 还有一点点的离散数学基础就可以了
5. 请教算法导论这本书怎么样适合什么程度的学习者
适合了解一门或以上编程语言的人，即使你没学过数据结构也没关系，因为它把数据结构中的算法从基础到非常深入全部都包括了，个人建议你先把C语言用熟悉了，然后再去看，算法导论，如果有决心看完，数据结构都不用看，因为你看完算法导论，就等于学会了非常高级的数据结构，但是看完很难。。。
至于C++，可以顺带着学一下，然后用C++自己把算法实现一下，等于练两倍。
也不一定非得学C++，可以学习Java或者C#，看你的发展方向
6. 《算法导论》（第三版）目录
1.1 算法
1.2 作为一种技术的算法
2.1 插入排序
2.2 分析算法
2.3 设计算法
2.3.1 分治法
2.3.2 分析分治算法
3.1 渐近记号
3.2 标准记号与常用函数
4.1 最大子数组问题
4.2 矩阵乘法的 Strassen 算法
4.3 用代入法求解递归式
4.4 用递归树方法求解递归式
4.5 用主方法求解递归式
*4.6 证明主定理
4.6.1 对 b 的幂证明主定理
4.6.2 向下取整和向上取整
5.1 雇佣问题
5.2 指示器随机变量
5.3 随机算法
*5.4 概率分析和指示器随机变量的进一步使用
5.4.1 生日悖论
5.4.2 球与箱子
5.4.3 特征序列
5.4.4 在线雇佣问题
6.1 堆
6.2 维护堆的性质
6.3 建堆
6.4 堆排序算法
6.5 优先队列
7.1 快速排序的描述
7.2 快速排序的性能
7.3 快速排序的随机化版本
7.4 快速排序分析
7.4.1 最坏情况分析
7.4.2 期望运行时间
8.1 排序算法的下界
8.2 计数排序
8.3 基数排序
8.4 桶排序
9.1 最小值和最大值
9.2 期望为线性时间的选择算法
9.3 最坏情况为线性时间的选择算法
10.1 栈和队列
10.2 链表
10.3 指针和对象的实现
10.4 有根树的表示
11.1 直接寻址表
11.2 散列表
11.3 散列函数
11.3.1 除法散列法
11.3.2 乘法散列法
*11.3.3 全域散列法
11.4 开放寻址法
11.5 完全散列
12.1 什么是二叉树
12.2 查询二叉搜索树
12.3 插入和删除
12.4 随机构建二叉搜索树
13.1 红黑树的性质
13.2 旋转
13.3 插入
13.4 删除
14.1 动态顺序统计
14.2 如何扩张数据结构
14.3 区间树
15.1 钢条切割
15.2 矩阵链乘法
15.3 动态规划原理
15.4 最长公共子序列
15.5 最优二叉搜索树
16.1 活动选择问题
16.2 贪心算法原理
16.3 赫夫曼编码
*16.4 拟阵和贪心算法
*16.5 用拟阵求解任务调度问题
17.1 聚合分析
17.2 核算法
17.3 势能法
17.4 动态表
17.4.1 表扩张
17.4.2 表扩张和收缩
18.1 B 树的定义
18.2 B 树上的基本操作
18.3 从 B 树上删除关键字
19.1 斐波那契结构
19.2 可合并堆操作
19.3 关键字减值和删除一个结点
19.4 最大度数的界
20.1 基本方法
20.2 递归结构
20.2.1 原型 van Emde Boas 结构
20.2.2 原型 van Emde Boas 结构上的操作
20.3 van Emde Boas 树及其操作
20.3.1 van Emde Boas 树
20.3.2 van Emde Boas 树的操作
21.1 不相交集合的操作
21.2 不相交集合的链表表示
21.3 不相交集合森林
*21.4 带路径压缩的按秩合并的分析
22.1 图的表示
22.2 广度优先搜索
22.3 深度优先搜索
22.4 拓扑排序
22.5 强连通分量
23.1 最小生成树的形成
23.2 Kruskal 算法和 Prim 算法
24.1 Bellman-Ford 算法
24.2 有向无环图中的单源最短路径问题
24.3 Dijkstra 算法
24.4 差分约束和最短路径
24.5 最短路径性质的证明
25.1 最短路径和矩阵乘法
25.2 Floyd-Warshall 算法
25.3 用于稀疏图的 Johnson 算法
26.1 流网络
26.2 Ford-Fulkerson 方法
26.3 最大二分匹配
*26.4 推送-重贴标签算法
*26.5 前置重贴标签算法
27.1 动态多线程基础
27.2 多线程矩阵乘法
27.3 多线程归并排序
28.1 求解线性方程组
28.2 矩阵求逆
28.3 对称正定矩阵和最小二乘逼近
29.1 标准型和松弛型
29.2 将问题表达为线性规划
29.3 单纯形算法
29.4 对偶性
29.5 初始基本可行解
30.1 多项式的表示
30.2 DFT 和 FFT
30.3 高效 FFT 实现
31.1 基础数论概念
31.2 最大公约数
31.3 模运算
31.4 求解模线性方程
31.5 中国余数定理
31.6 元素的幂
31.7 RSA 公钥加密系统
*31.8 素数的测试
*31.9 整数的因子分解
32.1 朴素字符串匹配算法
32.2 Rabin-Karp 算法
32.3 利用有限自动机进行字符串匹配
32.4 Knuth-Morris-Pratt 算法
33.1 线段的性质
33.2 确定任意一对线段是否相交
33.3 寻找凸包
33.4 寻找最近点对
34.1 多项式时间
34.2 多项式时间的验证
34.3 NP 完全性与可归约性
34.4 NP 完全性的证明
34.5 NP 完全问题
34.5.1 团问题
34.5.2 顶点覆盖问题
34.5.3 哈密顿回路问题
34.5.4 旅行商问题
34.5.5 子集和问题
35.1 顶点覆盖问题
35.2 旅行商问题
35.2.1 满足三角不等式的旅行商问题
35.2.2 一般旅行商问题
35.3 集合覆盖问题
35.4 随机化和线性规划
35.5 子集和问题
A.1 求和公式及其性质
A.2 确定求和时间的界
B.1 集合
B.2 关系
B.3 函数
B.4 图
B.5 树
B.5.1 自由树
B.5.2 有根树和有序树
B.5.3 二叉树和位置树
C.1 计数
C.2 概率
C.3 离散随机变量
C.4 几何分布与二项分布
C.5 二项分布的尾部
D.1 矩阵与矩阵运算
D.2 矩阵的基本性质
7. 算法导论的作品目录
目录（Table of Contents）
前言（Preface）
第一部分（Part I） 基础（Foundations）
第一章 计算中算法的角色（The Role of Algorithms in Computing）
第二章 开始（Getting Started）
第三章 函数的增长率（Growth of Functions）
第四章 递归（Recurrences）
第五章 概率分析与随机化算法（Probabilistic Analysis and Randomized Algorithms）
第二部分（Part II） 排序与顺序统计（Sorting and Order Statistics）
第六章 堆排序（Heapsort）
第七章快速排序（Quicksort）
第八章 线性时间中的排序（Sorting in Linear Time）
第九章 中值与顺序统计（Medians and Order Statistics）
第三部分（Part III） 数据结构（Data Structures）
第十章 基本的数据结构（Elementary Data Structures）
第十一章 散列表（Hash Tables）
第十二章 二叉查找树（Binary Search Trees）
第十三章 红-黑树（Red-Black Trees）
第十四章 扩充的数据结构（Augmenting Data Structures）
第四部分（Part IV） 高级的设计与分析技术（Advanced Design and Analysis Techniques）
第十五章 动态规划（Dynamic Programming）
第十六章 贪婪算法（Greedy Algorithms）
第十七章 分摊分析（Amortized Analysis）
第五部分（Part V） 高级的数据结构（Advanced Data Structures）
第十八章 B-树（B-Trees）
第十九章 二项式堆（Binomial Heaps）
第二十章 斐波纳契堆（Fibonacci Heaps）
第二十一章 不相交集的数据结构（Data Structures for Disjoint Sets）
第六部分（Part VI） 图算法（Graph Algorithms）
第二十二章 基本的图算法（Elementary Graph Algorithms）
第二十三章 最小生成树（Minimum Spanning Trees）
第二十四章单源最短路径（Single-Source Shortest Paths）
第二十五章 全对的最短路径（All-Pairs Shortest Paths）
第二十六章 最大流（Maximum Flow）
第七部分（Part VII） 精选的主题（Selected Topics）
第二十七章 排序网络（Sorting Networks）
第二十八章矩阵运算（Matrix Operations）
第二十九章 线性规划（Linear Programming）
第三十章 多项式与快速傅里叶变换（Polynomials and the FFT）
第三十一章 数论算法（Number-Theoretic Algorithms）
第三十二章 字符串匹配（String Matching）
第三十三章 计算几何学（Computational Geometry）
第三十四章 NP-完备性（NP-Completeness）
第三十五章 近似算法（Approximation Algorithms）
第八部分（Part VIII） 附录：数学背景（Mathematical Background）
附录A 求和（Summations）
附录B 集合，等等。（Sets, Etc.）
附录C 计数与概率（Counting and Probability）
参考文献（Bibliography）
索引（Index）