一堆算法书
① 哪些学习数据结构与算法的书籍值得推荐
大学计算机数据结构教材是 严蔚敏版的《数据结构》可以拿来入门。然后可以根据自己的实际情况来安排怎么样学习数据结构。很多人是看一遍书，然后在遇到算法之后再去实现它。在这里列出一些我知道的算法书籍，以供参考。（我也只看过算法导论，编程之美）
1. CLRS 算法导论
算法网络全书，只做了前面十几章的习题，便感觉受益无穷。
2. Algorithms 算法概论
短小精悍，别据一格，准经典之作。一个坏消息: 同算法导论，该书没有习题答案。好消息：习题很经典，难度也适中，只需花点点时间自己也都能做出来。不好也不坏的消息：我正在写习题的答案，已完成前三章，还剩九章约二百道题，顺利的话二个月之后发布。另有中文版名《算法概论》，我没看过，不知道翻译得怎么样。如果有心的话，还是尽量看原版吧，其实看原版与看中文版花费时间不会相差很大，因为大部分时间其实都花费在做习题上了。
作者：向小刚
链接：http://www.hu.com/question/19987046/answer/13945644
来源：知乎
着作权归作者所有，转载请联系作者获得授权。
② 《我的第一本算法书》读后感
星期天的时候去图书馆借的这本书，当借的时也没有仔细只是看到了标题比较感性兴趣于是就借了。昨天花了大概4个小时的时间把这本读完了。
这本书采用图片，通过分步讲解，以步骤图的形式展现了7个数据结构基本原理和26个基础算法的基本原理
数据结构基本原理：
基础算法的基本原理：
作者：石田保辉 宫崎修一
虽然以前也看过算法书，但是每次都感觉得不是很直观的了解，读完这本书后对于数据结构基本原理与算法的基本原理，都有很直观了解。
对于刚接触算法的人来说，一定要认真的完7个数据结构基本原理：（链表、数组、栈、队列、哈希表、堆、二叉查找树）可以多读几次，真到理解。
算法部份：归并排序、快速排序、二分查找、 图的搜索、 k-means 算法值得多阅读
这本书主要是以步骤图帮助读者加深对数据结构原理和算法执行过程的理解，没有枯燥的理论和复杂的公式，如作为入门书来说是本非常不错的算法入门书，。
③ C++算法的书籍（适合初学的）
高一凡的数据结构与算法，c++版，适合初学者
④ 推荐一些关于算法的书籍
1、数据结构与算法分析：C语言描述（适合入门）
这本书相对于算法导论要简单一些，更适合入门。算法导论其实有比较强的理论性，看起来比较吃力。
《数据结构与算法分析:C语言描述》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《数据结构与算法分析:C语言描述(原书第2版)》选材新颖，方法实用，题例丰富，取舍得当。《数据结构与算法分析:C语言描述》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。
2、算法设计与分析基础（适合入门）
作者基于丰富的教学经验，开发了一套对算法进行分类的新方法。这套方法站在通用问题求解策略的高度，能对现有的大多数算法都能进行准确分类，从而使本书的读者能够沿着一条清晰的、一致的、连贯的思路来探索算法设计与分析这一迷人领域。本书作为第2版，相对第1版增加了新的习题，还增加了“迭代改进”一章，使得原来的分类方法更加完善。
3.0、算法引论：一种创造性方法（适合入门）
和普通的算法书不同，这本书从创造性的角度出发——如果说算法导论讲的是有哪些算法，那么算法引论讲的就是如何创造算法。结合前面的算法设计与分析基础，这本书把能解决的算法问题数量扩大了一个数量级。
3.1 算法竞赛 | 信息学奥赛一本通（算竞入门）
AlphaWA同学推荐的入门书籍，网上没有PDF版本，自己去淘宝买喽。
3.2 算法竞赛 | 算法竞赛进阶指南（算竞进阶）
⑤ 聚类算法学习的经典书籍有哪些
推荐一些算法书籍，最后面有下载链接，如果想要其它书籍也可以点击那个链接通过自动回复获得
《程序员的数学》
书中讲 解了二进制计数法、逻辑、余数、排列组合、递归、指数爆炸、不可解问题等许多与编程密切相关的数学方法，分析了哥尼斯堡七桥问题、少年高斯求和方法、汉诺塔、斐波那契数列等经典问题和算法。引导读者深入理解编程中的数学方法和思路。
本书还对程序员和计算机的分工进行了有益的探讨。读完此书，你会对以程序为媒介的人机合作有更深刻的理解。
算法领域的经典参考书——《算法•第4版》
《算法•第4版》全面介绍了关于算法和数据结构的必备知识，并特别针对排序、搜索、图处理和字符串处理进行了论述。第4 版具体给出了每位程序员应知应会的50 个算法，提供了实际代码，而且这些java 代码实现采用了模块化的编程风格，读者可以方便地加以改造。本书配套网站提供了本书内容的摘要及更多的代码实现、测试数据、练习、教学课件等资源。
《计算机程序设计艺术》系列
《卷1：基本算法（第3版）》讲解基本算法，其中包含了其他各卷都需用到的基本内容。本卷从基本概念开始，然后讲述信息结构，并辅以大量的习题及答案。
《卷2：半数值算法（第3版）》全面讲解了半数值算法，分“随机数”和“算术”两章。书中总结了主要算法范例及这些算法的基本理论，广泛剖析了计算机程序设计与数值分析间的相互联系。
《卷3：排序与查找（第2版）》扩展了卷1中信息结构的内容，主要讲排序和查找。书中对排序和查找算法进行了详细的介绍并对各种算法的效率做了大量的分析。
《算法的乐趣》
《算法的乐趣》从一系列有趣的生活实例出发，全面介绍了构造算法的基础方法及其广泛应用，生动地展现了算法的趣味性和实用性。全书分为两个部分，第一部分介绍了算法的概念、常用的算法结构以及实现方法，第二部分介绍了算法在各个领域的应用，如物理实验、计算机图形学、数字音频处理等。其中，既有各种大名鼎鼎的算法，如神经网络、遗传算法、离散傅里叶变换算法及各种插值算法，也有不起眼的排序和概率计算算法。讲解浅显易懂而不失深度和严谨，对程序员有很大的启发意义。书中所有的示例都与生活息息相关，淋漓尽致地展现了算法解决问题的本质，让你爱上算法，乐在其中。
《啊哈！算法》
没有枯燥的描述，没有难懂的公式，一切以实际应用为出发点，通过幽默的语言配以可爱的插图来讲解算法。你更像是在阅读一个个轻松的小故事或是在玩一把趣味解谜 游戏，在轻松愉悦中便掌握算法精髓，感受算法之美。
本书中涉及的数据结构有栈、队列、链表、树、并查集、堆和图等；涉及的算法有排序、枚举、 深度和广度优先搜索、图的遍历，当然还有图论中不可以缺少的四种最短路径算法、两种最小生成树算法、 割点与割边算法、二分图的最大匹配算法等。
网页链接
⑥ java数据结构书籍推荐
1. 入门级
针对刚入门的同学，建议不要急着去看那些经典书，像《算法导论》、《算法》这些比较经典、权威的书。虽然书很好，但看起来很费劲，如果看不完，效果会很不好。所以建议先看两本入门级的趣味书：
《大话数据结构》
《算法图解》
《数据结构与算法分析:C语言描述》
《数据结构与算法分析:C++描述》
《数据结构与算法分析:java语言描述》
《数据结构与算法JavaScript描述》
《数据结构与算法:Python语言描述》
《剑指offer》
《编程珠玑》
《编程之美》
《算法导论》
《算法》
《计算机程序设计艺术》
《算法帝国》
《数学之美》
《算法之美》
大话数据结构
将理论讲的很有趣，不枯燥。作者结合生活中的例子去对每个数据结构和算法进行讲解，让人通俗易懂。
算法图解
这是一本像小说一样有趣的算法入门书，书中有大量的图解，通俗易懂。
看完上面一本或两本入门级的书，你就会对数据结构和算法有个大概认识和学习。但这些入门级的书缺少细节、不够系统。所以想要深入的学习数据结构和算法，光看这两本书肯定是不够的。
2. 不同语言的教科书
国内外很多大学都是将《数据结构和算法分析》作为教科书。这本书非常系统、严谨、全面，难度适中，很适合对数据结构和算法有些了解，并且已经掌握了至少一门语言的同学学习。针对不同的语言，分别有：
如果你不会C、C++、java，会Python或者JavaScript，可以看：
3. 面试书籍
现在很多大厂的面试都会考算法题，这里推荐几本面试算法书籍：
剑指offer
为面试算法量身定做的一本书。几乎包含了所有常见的、经典的面试题，如果能搞懂书里面的内容，一般公司的算法面试都应该没问题。
编程珠玑
这本书豆瓣评分有9分，评分很高。这本书最大的特色是讲了很多海量数据的处理技巧。其他算法书籍很少涉及海量数据。
编程之美
有些作者是微软工程师，算法题目较难，比较适合要面试Google、Facebook这样的公司的人去看。
4. 经典书籍
现在数据结构与算法最经典的书籍就是：
这三本书非常经典，但都很厚，看起来比较费劲，估计很少有人能全部看完。但如果想更深入地学一遍数据结构和算法，还是建议去看看。
算法导论
章节安排不是循序渐进，里面有各种算法正确性、复杂度的证明、推导，对数学功底有一定要求，看起来有些费劲。
算法
偏重讲算法。内容不够全面，对数据结构方面的知识讲的不多，动态规划这么重要的知识点却没有讲。
计算机程序设计艺术
这本书包括很多卷，相比于其他书籍有更好的深度、广度、系统性和全面性。但如果你对数据结构和算法不是特别感兴趣，没有很好的数学、算法、计算机基础，很难把这本书读完、读懂。
5. 课外阅读
有些算法书籍也比较适合在平时悠闲的时候翻翻看看：
这些书都列举了大量的列子来解释说明，非常通俗易懂。
⑦ 请大侠给我推荐几个算法的书.因为我没读过,所以请在回答的时候告诉我推荐的理由,最好有内容.
《算法导论》
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。
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）
⑧ 计算机专业学算法的都学些什么算法，有什么书可以看的学的话需要些什么基础的
计算机算法非常多的
A*搜寻算法
俗称A星算法。这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中的NPC的移动计算，或线上游戏的BOT的移动计算上。该算法像Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。
Beam Search
束搜索(beam search)方法是解决优化问题的一种启发式方法，它是在分枝定界方法基础上发展起来的，它使用启发式方法估计k个最好的路径，仅从这k个路径出发向下搜索，即每一层只有满意的结点会被保留，其它的结点则被永久抛弃，从而比分枝定界法能大大节省运行时间。束搜索于20 世纪70年代中期首先被应用于人工智能领域,1976 年Lowerre在其称为HARPY的语音识别系统中第一次使用了束搜索方法。他的目标是并行地搜索几个潜在的最优决策路径以减少回溯，并快速地获得一个解。
二分取中查找算法
一种在有序数组中查找某一特定元素的搜索算法。搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。这种搜索算法每一次比较都使搜索范围缩小一半。
Branch and bound
分支定界(branch and bound)算法是一种在问题的解空间树上搜索问题的解的方法。但与回溯算法不同，分支定界算法采用广度优先或最小耗费优先的方法搜索解空间树，并且，在分支定界算法中，每一个活结点只有一次机会成为扩展结点。
数据压缩
数据压缩是通过减少计算机中所存储数据或者通信传播中数据的冗余度，达到增大数据密度，最终使数据的存储空间减少的技术。数据压缩在文件存储和分布式系统领域有着十分广泛的应用。数据压缩也代表着尺寸媒介容量的增大和网络带宽的扩展。
Diffie–Hellman密钥协商
Diffie–Hellman key exchange，简称“D–H”，是一种安全协议。它可以让双方在完全没有对方任何预先信息的条件下通过不安全信道建立起一个密钥。这个密钥可以在后续的通讯中作为对称密钥来加密通讯内容。
Dijkstra’s 算法
迪科斯彻算法（Dijkstra）是由荷兰计算机科学家艾兹格·迪科斯彻（Edsger Wybe Dijkstra）发明的。算法解决的是有向图中单个源点到其他顶点的最短路径问题。举例来说，如果图中的顶点表示城市，而边上的权重表示着城市间开车行经的距离，迪科斯彻算法可以用来找到两个城市之间的最短路径。
动态规划
动态规划是一种在数学和计算机科学中使用的，用于求解包含重叠子问题的最优化问题的方法。其基本思想是，将原问题分解为相似的子问题，在求解的过程中通过子问题的解求出原问题的解。动态规划的思想是多种算法的基础，被广泛应用于计算机科学和工程领域。比较着名的应用实例有：求解最短路径问题，背包问题，项目管理，网络流优化等。这里也有一篇文章说得比较详细。
欧几里得算法
在数学中，辗转相除法，又称欧几里得算法，是求最大公约数的算法。辗转相除法首次出现于欧几里得的《几何原本》（第VII卷，命题i和ii）中，而在中国则可以追溯至东汉出现的《九章算术》。
最大期望（EM）算法
在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。最大期望算法经过两个步骤交替进行计算，第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。
快速傅里叶变换(FFT)
快速傅里叶变换（Fast Fourier Transform，FFT），是离散傅里叶变换的快速算法，也可用于计算离散傅里叶变换的逆变换。快速傅里叶变换有广泛的应用，如数字信号处理、计算大整数乘法、求解偏微分方程等等。
哈希函数
HashFunction是一种从任何一种数据中创建小的数字“指纹”的方法。该函数将数据打乱混合，重新创建一个叫做散列值的指纹。散列值通常用来代表一个短的随机字母和数字组成的字符串。好的散列函数在输入域中很少出现散列冲突。在散列表和数据处理中，不抑制冲突来区别数据，会使得数据库记录更难找到。
堆排序
Heapsort是指利用堆积树（堆）这种数据结构所设计的一种排序算法。堆积树是一个近似完全二叉树的结构，并同时满足堆积属性：即子结点的键值或索引总是小于（或者大于）它的父结点。
归并排序
Merge sort是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。
RANSAC 算法
RANSAC 是”RANdom SAmpleConsensus”的缩写。该算法是用于从一组观测数据中估计数学模型参数的迭代方法，由Fischler and Bolles在1981提出，它是一种非确定性算法，因为它只能以一定的概率得到合理的结果，随着迭代次数的增加，这种概率是增加的。该算法的基本假设是观测数据集中存在”inliers”（那些对模型参数估计起到支持作用的点）和”outliers”（不符合模型的点），并且这组观测数据受到噪声影响。RANSAC 假设给定一组”inliers”数据就能够得到最优的符合这组点的模型。
RSA加密算法
这是一个公钥加密算法，也是世界上第一个适合用来做签名的算法。今天的RSA已经专利失效，其被广泛地用于电子商务加密，大家都相信，只要密钥足够长，这个算法就会是安全的。
并查集Union-find
并查集是一种树型的数据结构，用于处理一些不相交集合（Disjoint Sets）的合并及查询问题。常常在使用中以森林来表示。
Viterbi algorithm
寻找最可能的隐藏状态序列(Finding most probable sequence of hidden states)。
⑨ 方法不对，看再多书你都学不会算法
在计算机科学中，算法通常是指一个解决问题的小程序。算法是程序的基本组成部分，如果你想让你的程序能够解决一切问题，你必须懂算法，这就是为什么算法在计算机编程中如此重要的原因。
如果你是一名初学者，你就必须从基础开始，从理解算法背后的基本概念开始，然后自己一个个地实现它们，在本文中，将和大家分享几种最适合初学的算法学习方法，不要再只会死读算法书啦，这样你永远雀尺慎都学不好算法
1、阅读书籍
毋庸置疑，书籍是学习一切知识的最好资源，它不仅能让你详细和准确地了解算法，还能帮助你按照自己的节奏学习，拿一本关于算法的好书，试着理解算法背后的理论概念。之后再去程序中实现算法。如果你失败了，别担心，书就在那里，再看一遍算法，再试着重新理解它，然后在程序里重新实现它。
关于算法的书籍，之前也推荐过很多了，其实算法相关的书籍有很多，经典的就那几本，把它们都啃透了，技术自然更上一层楼，诸如：
2、在线课程
网上有很多很好的课程，比如你可以学习Coursera提供的算法课程。你也可以上Udemy的课程。他们提供了许多来自着名导师的算法课程
此外麻省理工学院(MIT)、哈佛大学(Harvard)和斯坦福大学(Stanford University)的课程也可以看看，他们的许多课程都是提供自学的。
3、视频教程
视频教程是理解和实现特定算法的很好的资源。你可以在一些视频网站上（如Youtube）搜索视频教程，几乎每种算法都有大量的教程。你可以先看一段视频来理解这个算法，然后再实现它。
4、解决问题
用算法解决问题是理解和学习算法困碧的最好方法。如果你用算法来解决实际问题，你会对算法有一个深刻的理解，当你用不同的算法解决不同问题时，你就可以很好的掌握它们，你可以在网上找到许多算法问题。首先，浏览一遍问题描述，并尝试找出解决问题所需的算法。尝试使用不同的算法来解决相同的问题。例如，你可以同时使用BFS和DFS遍历一个图。
你还可以去UVA、A2oJ、SPOJ和Timus这样的在线测评网站刷题
5、编程竞赛
深入了解算法的另一个好方法是参加各种在线竞赛。它要求你在有限的时间内理解问题并实现算法，这意味着你必须在短时间内设计出一个算法解决方案，这将极大地帮助您在实际问题中使用算法。
codeforce、Hackerrank和Topcoder它们是最流行的竞赛编程平台，你可以在上面参加各种竞赛。
6、可视化算法
如果你是那种喜欢用可视化学习的人，那么你可以通过可视化来学习算法。有许多在线算法可视化工具可以帮助你从基础上理解算法。
比如你可以通过Algorithm-Visualizer或VisuAlgo这样的可视化工具。
7、博客顷敬站点
可以在internet上阅读关于各种算法的博客文章。有很多关于算法的个人博客，多阅读你可能会发现它们也很有用。
8、在线论坛上提问
如果你在实现算法方面遇到了任何问题，你应该在各种在线论坛上具体询问这个问题，通常会有很多大神愿意帮助你解决这个问题。这样的在线论坛诸如topcode -forum、Quora等。
9、制定学习计划
熟能生巧，要掌握算法的艺术，你必须制定一个学习计划，例如，你可以在一天或一周内解决一个或几个算法。简而言之，无论你做什么，你都必须要有计划，尽量有规律。
10、实践！实践！实践！
实践是检验真理的唯一标准，你实践的越多，就越能理解和学到一些东西，没经过实践的方法去学习算法你是学不会了，就算失败了也没关系，坚持再试一次，没准就成功了