算法4和算法导论

① 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

② 为什么有人说弄懂了《算法导论》的90%，就超越了90%的程序员

其实计算机程序底层核心就是各种数学算法，剩下就是怎么用代码去实现数学，世界上有名的计算机程序大牛几乎都跟数学权威方面的专家有关。

从另一个角度回答，因为就算看懂百分百，也很难超越另外的百分之十

很多程序员没读过算法导论

其实不管是对于在校生来说还是已经工作的程序员，一般很少都会接触算法。

学生的话也只有计算机相关专业的开设了数据结构和算法相关课程的才需要用到，但如果只是对付期末考试的话也没啥难度。

但是如果在大学期间接触到算法竞赛就不一样了，需要花费比较多的精力。

的确在工资上任何公司都是10%的算法大佬拿的工资比其他90%的业务开发程序员或者其他的程序员都要高，不过就凭只懂《算法导论》这本书的话还是不太行的，算法离不开业务的。就算超越也是超越那10%的算法工程师里的90%，如果能达到这个境界别说BAT了，微软谷歌都是可以考虑的。

说这个话在我看来他可能是想卖课，卖完再慢慢告诉你，“学到90％也没有那么容易”，或者“在刷我这套题这件事上超越90％的程序员 并不等于收入上超越90％的程序员”。

你多去拼多多参加几个活动，在文字 游戏 和预期管理上你应该就懂了；要是还不懂，大概你也不是那么适合做这一行以及算法导论。

公式：弄懂+一本名着+百分比+超越+百分比+你的群体。

例句：

弄懂sicp的67.9%，你就超越了95%的程序员。

弄懂本草纲目的72%，你就超越了93.7%的中医。

弄懂冰箱说明书的83%，你就超越了99.9%的冰箱使用者（这也许是最真实的，虽然冰箱说明书不是名着……）

至于为什么这么说……个人觉得就是对xx东西的一种崇拜，很大程度上是人云亦云。

算法导论是本不会动的书，不同人读效果不一样的。不要神化某一本书，参差多态乃幸福本源。不看算法导论你也可以会算法，你也可以会数据结构，你也可以进大厂。没有算法导论的时候也依然有研究算法的科学家。你能通过他学会知识很好，但你觉得它晦涩，搞不懂，没有c的代码让你学的不舒服，那就不看他。

人生中见书，书中见人生。读书有时候不一定是为了学东西，可能更多的是一种享受。就像你没学看过csapp之前，通过各种课程，学了零零碎碎的知识。忽然有一天你看了csapp，你觉得好过瘾啊，好爽啊。你觉得你学习的第一天就看csapp能有这种效果吗？

好书不会变少只会变多，更何况帮到你的也未必需要是好书。也许一本书只是很普通的书，不严谨，还都是大白话，但未必就帮不到你。

学东西莫要搞崇拜。很多程序员学习的时候都不是通过算法导论这本书学的，可他们依然很杰出。

程序员来回答一下：

1.《算法导论》这本书理论来说90%程序员也没弄懂，所以你弄懂了就超过了90%。

2.其实程序员是一个大的行业，IT也是一个大的行业，门外人看着都是一群写程序的，修电脑的，更有人认为是装电脑系统的，你被别人交过去装过系统吗？

3.程序员架构上来说，嵌入式 协议栈 应用 网络 服务器 工具 系统 等等等！

4.有一些行业是不需要看算法导论的，更有一些转行过来的，应该更不太了解算法导论。

这本书在美国的大学被称为clrs, 是标准的本科高年级和研究生入门的算法课课本。优点是比较全面的讲解了常用和基本的算法，习题质量不错。问题是动态规划讲的不好，篇幅原因一些近代的算法没有概括。总的来说是本不错的算法入门教科书。

算法是计算机科学的核心。计算理论偏数学，编译原理和操作系统偏硬件，真正计算机科学的核心就是算法。无论做研究还是搞工程，都是必不可少的。

程序是给人看的，不是给机器。写给机器的程序谁都可以写出来，但不是每个程序员都能写出别人看懂的东西

程序是什么，程序就是数据结构和算法，弄懂了超90%的程序员不是很正常嘛

看懂2%就超过了80%，没必要看那么多

因为这本书翻译的很枯燥、也很理解，这种情况下你还理解了90%，说明你有耐心，有恒心，耐得住寂寞。我相信不只是做程序员，做其它行业也会很优秀。

③ 算法导论和算法概论 这两个书是一样么 不是的话 那个更好

不一样，算法导论系统的介绍了每种计算机科学里面涉及到的常用算法，里面每种算法都给出了伪代码和相关的原理解释，证明等，他更像是类似字典的一本工具书，在我看来是如此
算法概论这个书不太了解，但是里面好像从最简单的古老算法作为例子开始，最后还介绍了很高端的量子算法。总之我们一般都是用算法导论，这个和我们自己想要学习的东西有关系，没有所谓更好，看你自己的需要而已。

④ 初学者学习算法的话 是算法概论这本书好还是算法导论这本书好 有什么区别吗 同学推荐我看算法导论我不

算法概论没听过。算法导论也不太适合初学把，至少找一本有对应具体语言的实现的版本和算法导论合在一起看，算法仅仅粗略理解而不实践是没有用的

⑤ 求算法第四版mobi/azw格式的资源，kindle读的，最好是中文版的，算法导论

你要是有PDF，TXT，world版的我可以给你弄成mobi。
你找这么专业的mobi原版很难找的

⑥ 哪本数据结构与算法最好

国外很多经典的
（因为以前搞ACM时都是用的C/C++，所以推荐的都是偏这块的）
算法导论就不说了，图文并茂。
数据结构与算法分析 (豆瓣) C
数据结构与算法分析 (豆瓣) C++
数据结构与算法分析 (豆瓣) 同上本，英文版
Weiss 的这几本书都不错，如果想顺便学 C++ Template，建议看C++版的（后两本）
个人觉得最适合入门的应该是Robert Sedgewick的《Algorithms》，这本书也有中文版，Coursera上有相应的视频：
算法，第一部分：Coursera - Free Online Courses From Top Universities
算法，第二部分：Coursera - Free Online Courses From Top Universities
还有本书配套网站：http://algs4.cs.princeton.e/home/

⑦ 机器学习的算法和普通《算法导论》里的算法有什么本质上的异同

作者：董可人
链接：http://www.hu.com/question/24976006/answer/29682806
来源：知乎
着作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

算法导论里的算法本质上是对有精确解的问题，如何更有效率地求得这个解。这个效率可以是计算时间更短，也可以是计算过程所需要的空间更少。

一个简单的例子是，给定一个乱序数组，如何快速的将其按从小到大的顺序重新排列，或者找到其中的中位数。这些问题都有确定且唯一的答案，一般都会有一个笨方法（穷举或遍历），只要一步一步来就可以解，所谓算法只是如何精简步骤，更快更省事地找到这个解。这些算法处理的数据也都是结构简洁且干净的类型，比如数组，二叉树，图之类的数据结构。数据规模对于这些算法而言，影响的是计算所需的时间和空间，不会因为规模改变而影响算法本身的逻辑以及计算的结果。

机器学习要解决的问题一般没有精确解，也不能用穷举或遍历这种步骤明确的方法找到解，而且需要强调的是“学习”这个属性，即希望算法本身能够根据给定的数据或计算环境的改变而动态的发现新的规律，甚至改变算法程序的逻辑和行为。

举例来说，可以是把一千份文档归类到不同的几个类别里。最简单的可以是给定几个类别，比如新闻，小说，诗歌等，算法来根据文章内容自动划分到对应的类别里。这里可以看出这个问题即使让人做，也有很多模糊不能确定的地方，比如一篇法制晚报上的犯罪纪实是应该划到新闻，还是小说呢？或者说一篇长诗比如荷马史诗是应该归在小说还是诗歌呢？机器学习算法想要解决的，就是根据从文章内容里找到的规律，来自动的给出一个划分。而不同算法可以给出不同的解，这些解都可以是“正确”的，所以一般还需要人为设计一个评判标准来决定孰优孰劣。

也可以不事先给定类别，而是让算法自己去发现文章中的规律，把相似度高的文章划分到一起。这样不同的算法可能给出不同数量的类别划分，可能是三个，四个，或者五个，也都可以是“正确”的划分。甚至什么是“相似度”，不同算法也可以给出不同解释，可以是名词动词形容词的词频及比例，也可以是句子的语法结构等。

更进一步的，你可能还希望这个算法能够用来判断一份新的文档的类别。而输入的新文档越多，也会进一步扩大初始数据集的规模，规模变大以后，原来数据中不明显的规律可能就变明显了。比如说原来一千份文档中只有一篇议论文，可能大多算法都无法把它单独划出一个类别，但当你持续输入一百份议论文后，数据中议论文的比例就变成了101/1100，差不多10%，这时候算法就应该划分出单独的议论文类别。在这个意义上，数据本身也对算法有很大的影响，这也是和算法导论中的算法的一个本质区别。

技术上说，算法导论中的算法关注点在数据结构和计算复杂度，属于离散数学的一个分支，不涉及微积分等高等数学概念。机器学习的算法本身是基于概率，统计和优化（optimization）等理论和技术，从这个角度上说给人感觉更“数学”一点。

在具体的实现细节上，机器学习的算法会大量应用算法导论中的技术来改进计算效率。但需要强调这仅仅是对底层实现来说，在算法本身的逻辑上，二者没有太多联系。换句话说，算法导论中的技术可以帮助你写出更快的程序来运行机器学习算法，但是这对机器学习要解决的问题本身是没有什么帮助的。熟练使用二叉树散列表，准确估算一个图算法的复杂度，都没有任何可能帮助你猜到在女朋友过生日时送什么礼物最好（使用了机器学习算法的淘宝君却很可能知道！）。因此不要把它们看成是搭积木拼构件的关系。

最后，如果以上解释仍然让你费解，那么还有一个更通俗的解释：算法导论是教你如何数数，而机器学习基本上相当于星座算命。一个很机械，一个靠忽悠，差不多就是这样吧。
具体分析见链接：http://www.hu.com/question/24976006

⑧ 《算法导论》《数据结构与算法分析》《数据结构，算法与应用》 这几本书有什么区别

数据结构先学，然后看算法导论再看算法，数据结构是算法的基础，算法导论不看也是可以的。我是大三的计算机专业的学生~呵呵，快毕业了 - - 郁闷！

⑨ 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。

⑩ 《算法导论》与《算法设计》选择哪本更好

总的来说，两本各有所长，建议可以都涉及涉及一下，然后根据自己重点学习哪个。另外我觉得想自学算法，我认为吧，就是看学写无数算法，然后就可以信手拈来的自己去写。同时如果自学算法，我的建议是最好是多思考多动手（可以结合现实当中的各种程序算法，想一下他们怎么用算法写出来的，就比如饭堂里刷卡算钱等等。。如何用算法做到的。。），这样自学就很有意义了。