本书主讲贪心算法、分治算法、动态规划算法、回溯算法、网络流、随机化算法、近似算法,侧重用具体实例图解演示算法运行过程及python语言实现。本书特色:深入浅出地从问题分析,到数据结构选择、算法设计、Python实战,提供问题解决的全程式指导;提供实例构造、详细图解,带领学习者直观、形象地逐步运行算法,看到算法单步运行结果;提供算法的Python语言实现,让算法在学习者心里落地生根。本书适用于计算机、大数据等相关专业本科教材,以及从事计算机领域的教学、科研人员,ACM程序设计大赛的算法爱好者。

第1章算法概述 1.1什么是算法 1.2为什么学习算法 1.3算法的描述方式 1.4算法设计的一般过程 1.5算法分析 1.5.1算法分析的概念 1.5.2时间复杂度和空间复杂度 1.5.3渐近复杂性态 1.5.4渐近意义下的记号 1.5.5算法的运行时间T(n)建立的依据 1.5.6算法所占用的空间S(n)建立的依据 1.6递推方程求解方法 1.6.1迭代法 1.6.2递归树 1.6.3差消法 1.6.4主方法 第2章贪心算法——贪心不足 2.1概述 2.1.1贪心算法的本质 2.1.2贪心算法的基本要素 2.2活动安排问题 2.2.1问题分析——贪心策略 2.2.2算法设计 2.2.3实例构造 2.2.4算法分析 2.2.5Python实战 2.3单源*短路径问题 2.3.1问题分析——贪心策略 2.3.2算法设计 2.3.3实例构造 2.3.4算法分析 2.3.5Python实战 2.4哈夫曼编码 2.4.1问题分析——贪心策略 2.4.2算法设计 2.4.3实例构造 2.4.4算法分析 2.4.5Python实战 2.5*小生成树——Prim算法 2.5.1问题分析——贪心策略 2.5.2算法设计 2.5.3实例构造 2.5.4算法分析 2.5.5Python实战 2.6*小生成树——Kruskal算法 2.6.1问题分析——贪心策略 2.6.2算法设计 2.6.3实例构造 2.6.4算法分析 2.6.5Python实战 2.7背包问题 2.7.1问题分析——贪心策略 2.7.2算法设计 2.7.3实例构造 2.7.4算法分析 2.7.5Python实战 第3章分治算法——分而治之 3.1概述 3.1.1分治���法的本质 3.1.2分治算法的求解步骤 3.2二分查找 3.2.1问题分析——分与治的方法 3.2.2算法设计 3.2.3实例构造 3.2.4算法分析 3.2.5Python实战 3.3选第二大元素 3.3.1问题分析——分与治的方法 3.3.2算法设计 3.3.3实例构造 3.3.4算法分析 3.3.5Python实战 3.4循环赛日程表 3.4.1问题分析——分与治的方法 3.4.2算法设计 3.4.3实例构造 3.4.4算法分析 3.4.5Python实战 3.5合并排序 3.5.1问题分析——分与治的方法 3.5.2算法设计 3.5.3实例构造 3.5.4算法分析 3.5.5Python实战 3.6快速排序 3.6.1问题分析——分与治的方法 3.6.2算法设计 3.6.3实例构造 3.6.4算法分析 3.6.5Python实战 3.7线性时间选择——找第k小问题 3.7.1问题分析——分与治的方法 3.7.2算法设计 3.7.3实例构造 3.7.4算法分析 3.7.5Python实战 第4章动态规划 4.1概述 4.1.1动态规划的基本思想 4.1.2动态规划的求解步骤 4.1.3动态规划的基本要素 4.2矩阵连乘问题 4.2.1问题分析——递归关系 4.2.2算法设计 4.2.3实例构造 4.2.4算法分析 4.2.5Python实战 4.3凸多边形*优三角剖分 4.3.1问题分析——递归关系 4.3.2算法设计 4.3.3实例构造 4.3.4算法分析 4.3.5Python实战 4.4*长公共子序列问题 4.4.1问题分析——递归关系 4.4.2算法设计 4.4.3实例构造 4.4.4算法分析 4.4.5Python实战 4.5加工顺序问题 4.5.1问题分析——递归关系 4.5.2算法设计 4.5.3实例构造 4.5.4算法分析 4.5.5Python实战 4.601背包问题 4.6.1问题分析——递归关系 4.6.2算法设计 4.6.3实例构造 4.6.4算法分析 4.6.5算法的改进 4.6.6Python实战 4.7*优二叉查找树 4.7.1问题分析——递归关系 4.7.2算法设计 4.7.3实例构造 4.7.4算法分析 4.7.5Python实战 第5章回溯法——深度优先搜索 5.1概述 5.2典型的解空间结构 5.2.1子集树 5.2.2排列树 5.2.3满m叉树 5.301背包问题——子集树 5.3.1问题分析——解空间及搜索条件 5.3.2算法设计 5.3.3实例构造 5.3.4算法的改进 5.3.5算法分析 5.3.6Python实战 5.4*大团问题——子集树 5.4.1问题分析——解空间及搜索条件 5.4.2算法设计 5.4.3实例构造 5.4.4算法分析 5.4.5Python实战 5.5批处理作业调度问题——排列树 5.5.1问题分析——解空间及搜索条件 5.5.2算法设计 5.5.3实例构造 5.5.4算法分析 5.5.5Python实战 5.6旅行商问题——排列树 5.6.1问题分析——解空间及搜索条件 5.6.2算法设计 5.6.3实例构造 5.6.4算法分析 5.6.5Python实战 5.7图的m着色问题——满m叉树 5.7.1问题分析——解空间及搜索条件 5.7.2算法设计 5.7.3实例构造 5.7.4算法分析 5.7.5Python实战 5.8*小质量机器设计问题——满m叉树 5.8.1问题分析——解空间及搜索条件 5.8.2算法设计 5.8.3实例构造 5.8.4算法分析 5.8.5Python实战 第6章分支限界法——宽度优先或*小耗费(*大效益)优先搜索 6.1分支限界法的基本思想 6.201背包问题 6.3旅行商问题 6.4布线问题 6.4.1问题分析——解空间及搜索条件 6.4.2算法设计 6.4.3实例构造 6.4.4算法分析 6.4.5Python实战 6.5分支限界法与回溯法的比较 第7章线性规划问题与网络流 7.1线性规划问题 7.1.1一般线性规划问题的描述 7.1.2标准型线性规划问题的描述 7.1.3标准型线性规划问题的单纯形算法 7.2*大网络流 7.2.1基本概念 7.2.2增广路算法 7.2.3*大网络流的变换与应用 7.3*小费用*大流 7.3.1基本概念 7.3.2消圈算法 7.3.3*小费用*大流的变换与应用 第8章随机化算法 8.1概述 8.1.1随机化算法的类型及特点 8.1.2随机数发生器 8.2数值随机化算法 8.2.1计算π的值 8.2.2计算定积分 8.3蒙特卡罗算法 8.3.1主元素问题 8.3.2素数测试 8.4拉斯维加斯算法 8.4.1整数因子分解 8.4.2n皇后问题 8.5舍伍德算法 8.5.1随机快速排序 8.5.2线性时间选择 第9章NP完全理论 9.1易解问题和难解问题 9.2P类和NP类问题 9.2.1P类问题 9.2.2NP类问题 9.2.3P类问题和NP类问题的关系 9.3NP完全问题 9.3.1多项式变换技术 9.3.2典型的NP完全问题 9.4NP完全问题的近似算法 9.4.1顶点覆盖问题 9.4.2装箱问题 9.4.3旅行商问题TSP 9.4.4集合覆盖问题 参考文献