演算法基礎和演算法導論兩本書的區別

1. 《演算法導論》《數據結構與演算法分析》《數據結構，演算法與應用》 這幾本書有什麼區別

數據結構先學，然後看演算法導論再看演算法，數據結構是演算法的基礎，演算法導論不看也是可以的。我是大三的計算機專業的學生~呵呵，快畢業了 - - 郁悶！

2. 《演算法導論》第二版和第三版的區別大嗎有中文版的嗎

第三版比第二版去掉了幾章，例如排序網路之類的冷門演算法，加入了並行演算法等熱門的內容。
動態規劃這一章做了些修改，論述的內容不變，就是選的例子更好一些。

另外第三版更新了一些習題和思考題，所以習題編號肯定有變化。說實話，思考題才是此書最精彩的地方，但是一般人看《演算法導論》，能把前面的演算法描述搞清楚就不錯了，90%的讀者會略過演算法復雜度分析部分，而最後的每一章的思考題部分，99%的讀者都不會去看的。

因為之前看過第二版的大部分，所以我第三版讀起來沒有太多障礙。

如果你能把思考題都解決了，你在簡歷上寫個精通《演算法導論》也是理直氣壯的。

3. 《演算法導論》 跟 《演算法競賽入門經典》 哪個比較適合 noip比賽用

李建霖+橋官窯=自問自答《演算法導論》原書名——《Introction to Algorithms》，是一本十分經典的計算機演算法書籍，與高德納（Donald E.Knuth）的《計算機程序設計藝術》（《The Art Of Computer Programming》）相媲美。 《演算法導論》由Thomas H.Cormen、Charles E.Leiserson、Ronald L.Rivest、Clifford Stein四人合作編著（其中Clifford Stein是第二版開始參與的合著者）。本書的最大特點就是將嚴謹性和全面性融入在了一起。

4. 模式識別和圖像處理中的演算法和演算法導論中的演算法有什麼區別

模式識別與圖像處理中的演算法是針對圖像識別與分類的，演算法作用對象是像素，用於提取特徵、識別目標等；而演算法導論中的演算法針對的是程序本身，是用於改善程序結構與運行速度的，演算法導論中幾乎包括了所有數據結構的東西，哪種編程語言都能用。

5. 《數據結構與演算法分析》和《演算法導論》這兩本書哪個好

《數據結構與演算法分析》 C++ 版 ，《演算法導論》
頁數： 435 ， 754
適合： 基礎薄弱的， 基礎較好的

沒學過高等數學，高中數學總學過吧，那就沒問題。
兩本書都很好，可以同時看，然後再琢磨琢磨哪本更適合自己 。

希望對你有所幫助。

6. 計算機演算法導論與計算機演算法分析這兩本書有區別嗎

想學演算法就看演算法導論吧，演算法不分編程語言的，在演算法導論里都是偽代碼，也就是一種類Pascal代碼，一般想看明白演算法導論需要多實踐，將每章的偽代碼用任意一種編程語言實現一下，課後的習題可以選擇一些簡單的思考一下（導論每章講的都是基礎的經典演算法，但是課後習題大部分都很有難度），演算法分析算是演算法導論的精簡版本吧，你也可以看一些相關的其它經典著作比方說挑戰編程，編程之美，程序設計的藝術之類的，這方面的好書有很多。對於演算法來說最重要的是有良好的數學基礎和數學能力，當然還要能熟練的使用一種語言基礎語法和數據結構知識。

7. 演算法導論 第二版 第三版的區別

第三版比第二版去掉了幾章，例如排序網路之類的冷門演算法，加入了並行演算法等熱門的內容。
動態規劃這一章做了些修改，論述的內容不變，就是選的例子更好一些。

另外第三版更新了一些習題和思考題，所以習題編號肯定有變化。說實話，思考題才是此書最精彩的地方，但是一般人看《演算法導論》，能把前面的演算法描述搞清楚就不錯了，90%的讀者會略過演算法復雜度分析部分，而最後的每一章的思考題部分，99%的讀者都不會去看的。

因為之前看過第二版的大部分，所以我第三版讀起來沒有太多障礙。

如果你能把思考題都解決了，你在簡歷上寫個精通《演算法導論》也是理直氣壯的。

8. 計算機科學的「兩本聖經」是什麼

第一本：《演算法導論》原書名——《Introction to Algorithms》，

第二本：高德納（Donald E.Knuth）的《計算機程序設計藝術》（《The Art Of Computer Programming》）

計算機科學是一門包含各種各樣與計算和信息處理相關主題的系統學科，從抽象的演算法分析、形式化語法等等，到更具體的主題如編程語言、程序設計、軟體和硬體等。計算機科學分為理論計算機科學和實驗計算機科學兩個部分。

(8)演算法基礎和演算法導論兩本書的區別擴展閱讀：

研究課題

①、計算機程序能做什麼和不能做什麼（可計算性）；

②、如何使程序更高效的執行特定任務（演算法和復雜性理論）；

③、程序如何存取不同類型的數據（數據結構和資料庫）；

④、程序如何顯得更具有智能（人工智慧）；

⑤、人類如何與程序溝通（人機互動和人機界面）。

相關獎項

計算機科學領域的最高榮譽是ACM設立的圖靈獎，被譽為是計算機科學的諾貝爾獎。它的獲得者都是本領域最為出色的科學家和先驅。華人中首獲圖靈獎的是姚期智先生.他於2000年以其對計算理論做出的諸多「根本性的、意義重大的」貢獻而獲得這一崇高榮譽。

專業介紹

培養目標

本專業培養德、智、體全面發展，具有計算機應用技術的基礎理論知識，具備計算機及相關設備的維護與維修、行業應用軟體、平面圖像處理、廣告設計製作、動畫製作、計算機網路及網站建設與管理、資料庫管理與維護等應用能力和操作能力的高等技術應用性人才。

計算機應用基礎、計算機組裝與維護、計算機區域網絡的建設與管理、網路工程、操作系統、伺服器、資料庫的開發與應用、網站建設與網頁設計、C/C++語言、Visual Basic語言、平面設計、3D圖形設計、多媒體設計、專業英語。

就業方向

畢業生主要面向交通系統各單位、交通信息化與電子政務建設與應用部門、各類計算機專業化公司、廣告設計製作公司、汽車營銷技術服務等從事IT行業工作。

參考資料：網路-計算機科學

9. 機器學習的演算法和普通《演算法導論》里的演算法有什麼本質上的異同

作者：董可人
鏈接：http://www.hu.com/question/24976006/answer/29682806
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

演算法導論里的演算法本質上是對有精確解的問題，如何更有效率地求得這個解。這個效率可以是計算時間更短，也可以是計算過程所需要的空間更少。

一個簡單的例子是，給定一個亂序數組，如何快速的將其按從小到大的順序重新排列，或者找到其中的中位數。這些問題都有確定且唯一的答案，一般都會有一個笨方法（窮舉或遍歷），只要一步一步來就可以解，所謂演算法只是如何精簡步驟，更快更省事地找到這個解。這些演算法處理的數據也都是結構簡潔且干凈的類型，比如數組，二叉樹，圖之類的數據結構。數據規模對於這些演算法而言，影響的是計算所需的時間和空間，不會因為規模改變而影響演算法本身的邏輯以及計算的結果。

機器學習要解決的問題一般沒有精確解，也不能用窮舉或遍歷這種步驟明確的方法找到解，而且需要強調的是「學習」這個屬性，即希望演算法本身能夠根據給定的數據或計算環境的改變而動態的發現新的規律，甚至改變演算法程序的邏輯和行為。

舉例來說，可以是把一千份文檔歸類到不同的幾個類別里。最簡單的可以是給定幾個類別，比如新聞，小說，詩歌等，演算法來根據文章內容自動劃分到對應的類別里。這里可以看出這個問題即使讓人做，也有很多模糊不能確定的地方，比如一篇法制晚報上的犯罪紀實是應該劃到新聞，還是小說呢？或者說一篇長詩比如荷馬史詩是應該歸在小說還是詩歌呢？機器學習演算法想要解決的，就是根據從文章內容里找到的規律，來自動的給出一個劃分。而不同演算法可以給出不同的解，這些解都可以是「正確」的，所以一般還需要人為設計一個評判標准來決定孰優孰劣。

也可以不事先給定類別，而是讓演算法自己去發現文章中的規律，把相似度高的文章劃分到一起。這樣不同的演算法可能給出不同數量的類別劃分，可能是三個，四個，或者五個，也都可以是「正確」的劃分。甚至什麼是「相似度」，不同演算法也可以給出不同解釋，可以是名詞動詞形容詞的詞頻及比例，也可以是句子的語法結構等。

更進一步的，你可能還希望這個演算法能夠用來判斷一份新的文檔的類別。而輸入的新文檔越多，也會進一步擴大初始數據集的規模，規模變大以後，原來數據中不明顯的規律可能就變明顯了。比如說原來一千份文檔中只有一篇議論文，可能大多演算法都無法把它單獨劃出一個類別，但當你持續輸入一百份議論文後，數據中議論文的比例就變成了101/1100，差不多10%，這時候演算法就應該劃分出單獨的議論文類別。在這個意義上，數據本身也對演算法有很大的影響，這也是和演算法導論中的演算法的一個本質區別。

技術上說，演算法導論中的演算法關注點在數據結構和計算復雜度，屬於離散數學的一個分支，不涉及微積分等高等數學概念。機器學習的演算法本身是基於概率，統計和優化（optimization）等理論和技術，從這個角度上說給人感覺更「數學」一點。

在具體的實現細節上，機器學習的演算法會大量應用演算法導論中的技術來改進計算效率。但需要強調這僅僅是對底層實現來說，在演算法本身的邏輯上，二者沒有太多聯系。換句話說，演算法導論中的技術可以幫助你寫出更快的程序來運行機器學習演算法，但是這對機器學習要解決的問題本身是沒有什麼幫助的。熟練使用二叉樹散列表，准確估算一個圖演算法的復雜度，都沒有任何可能幫助你猜到在女朋友過生日時送什麼禮物最好（使用了機器學習演算法的淘寶君卻很可能知道！）。因此不要把它們看成是搭積木拼構件的關系。

最後，如果以上解釋仍然讓你費解，那麼還有一個更通俗的解釋：演算法導論是教你如何數數，而機器學習基本上相當於星座算命。一個很機械，一個靠忽悠，差不多就是這樣吧。
具體分析見鏈接：http://www.hu.com/question/24976006

10. 初學者學習演算法的話 是演算法概論這本書好還是演算法導論這本書好 有什麼區別嗎 同學推薦我看演算法導論我不

演算法概論沒聽過。演算法導論也不太適合初學把，至少找一本有對應具體語言的實現的版本和演算法導論合在一起看，演算法僅僅粗略理解而不實踐是沒有用的