简介

精彩点评

• 

  张童

  推荐

  瑕不掩瑜 我会这样定义一本我眼中的好书：深入浅出、关联丰富以及与我当下的认知水平相当。 这本小书的最大优点就在推理过程交代清楚。一步一步、为什么这么想、这么走，都给你描画得一清二楚。换言之，它是按照事物发展的逻辑顺序进行内容构建的，看得就很过瘾，像一本推理小说。 举例而言，它会在介绍完 SHA 算法后立刻介绍局部敏感的散列算法，在我刚在前一节中提出问题，如果我不想一点变动就让哈希值完全不同，那么应如何处理？它在下一节立刻垫上了，用 Simhash。这种逻辑上的完备与层层递进，就减少了很多理解成本。有时候你觉得理解困难，就是因为中间有步骤被抽去了，例如你在数学书里经常看到的：显然可得、易证得。 所以这是一本看起来很过瘾的小书。细嚼慢咽，给你剥出来最精华的内核。 但有一个错误我觉得是不该发生也不能被容忍的。在第七章，狄克斯特拉算法中，有明显错误。作者指出，狄只适用于有向无环图。而这是不正确的，事实上，只要没有负权边就可以。我在这里思路衔接不上，因为从算法实现中推不出作者言之凿凿的结果，最后经外部确认，才发现是作者出错。 看得出，作者对这个算法本身也理解不透彻。很多地方，没有讲透。例如在顶点选取上，为什么是选取当下可选点中，值最小的那个？因为在没有负权边的图中，它是已经被固定了的，因为要走其他任何一点再回到该顶点，都会造成值更大。而更新每个顶点的最小值，就是这个算法的核心，也是最机智、最动人、最美的地方。 也就是动态规划。前序的最优子结构，后面都可以直接拿来用，而且只要没有负权边，就满足无后效性的条件。但是作者既没有讲到上面那句缺失的话，让这个问题在我脑子里多思考了大半天，直到在另一本《我的第一本算法书》中才得到启发；也没有联系动态规划或者贪婪算法。或许略难，但是可以提一提，一带而过。 对了，这本书建议结合《我的第一本算法书》一起看，微信读书里也有，另外建议下载配套 app 一起使用方便理解，app 叫做 Algorithms。 因为这本书出版好些年了，这种硬伤还没有被更正，就让我不能接受。但是整体上瑕不掩瑜，是很好的入门书。况且它也给到学有余力的同学继续探索的空间。我非常喜欢他常常在篇末写的，如果你对这个话题感兴趣，欢迎你继续沿着某某算法的脚步朝里面研究。我非常喜欢这种引导。 最后，阅读算法书请配合力扣。我之所以会盛赞这本书，认为作者很多地方讲透了，就是因为很多章节我一看完，或者看了一半，就忍不住想开力扣开始刷相关标签的题目。动规、二分尤甚。这就是他把我讲明白了的最好说明。 最后的最后提醒自己，多找这类书看就够了，不要看鸡零狗碎的算法公众号，除非你能联系上作者能进一步沟通交流，不然直接读书才是最有效率的方式。出版书通常作了更好的排序工作，而且因为编辑的存在，错误也更少。 公号的错别字就够喝一壶，作者的自身理解不够，你看文章有如猜谜，更加难懂。

• 

  Charon

  推荐

  作为算法入门挺好的，示意图生动形象，缺点就是源代码是基于python2的，不过运行的时候可以自己修改一下[OK]

• 

  琦琦

  推荐

  遇到这样一本有趣的算法书籍后，你就会意识到，学习算法也可以像看喜欢的小说一样令人沉醉。 未学习过算法的，读完本书，以后的算法学习之路将会一帆风顺。对于熟悉算法的同学，本书也可以加深你的理解，有些晦涩难懂的概念和动态规划等等，根本无需死记硬背。当你想到某个算法时，你脑海中，就会自动绘制出一幅相关景象了。 后悔这么晚遇到它。

• 

  YiyaChen卫

  推荐

  本书图文并茂，用通俗易懂语言介绍什么是算法的基础知识。常言道，一图抵百字，翻过本书后，不服都不行？就像读儿童时期连环画一样，读它居然初步认识了计算机算法的一些基本知识，非常喜欢！ 常言还说，不要只埋头拉车不看路，本书说白了，不仅仅是看路，而且是看你一条路走是又快又好。了解它，当然希望是帮助设计人员通过好的途径，可以令计算机获得最佳选择算法。 本是介绍的就是其中的一些原理。例如，“算法的速度指的并非时间，而是操作数的增速。 ❑ 谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加。 ❑ 算法的运行时间用大O表示法表示。 ❑ O(log n)比O(n)快，当需要搜索的元素越多时，前者比后者快得越多”。 ............. 简言之，它虽然说起来简单，实际上它提供给普通读者的，还真有些像“内行看门道 ，外行看热闹”。本书语言本多，道理深。因为它本身也是水很凉很深，在里面游不一定舒服，除非是哪些会玩的，不得不学或者强壮....呵呵！ 好在作者很厚道，他也告诉读者那些内容不必读。本书关键字就是搜索！这本小册子中的作业居然还附有答案！

• 

  南風不競

  推荐

  算法与数据结构是相辅相成的，不要孤立开来学习。学习的重点不在于死记硬背，因为不常用的话很快也会忘记，所以要有一个大纲性的思路。 1. 首先得会复杂度分析：特别是时间复杂度，除了平均复杂度还需要知道最坏情况下算法会退化到何种地步。 2. 算法要做到脑中要有动画、知道应用场景、对比其他算法优缺点、平均复杂度和最坏复杂度、使用需配合何种数据结构。常用基础算法都用这种方式过一遍：查找、排序、递归、搜索、聚类、哈希算法、贪心算法、分治算法、回溯算法、动态规划等 3. 数据结构要做到脑中有图、适用何种算法、对比同类数据结构。经典数据结构要掌握：数组、链表、堆、栈、队列、散列表、二叉树、跳表、图、Tire树 4. 适度刷题总结：leetcode 重点是对比性学习，给定场景要能选出合适的算法和数据结构 以本书为例说明算法和数据结构的配合：广度优先搜索要配合队列；递归、深度优先搜索要配合栈；图算法多配合散列表；NP问题多用贪心和动态规划求近似解。 以数组 vs 链表为例说明优缺点对比： 数组：随机访问O(1)，插入删除O(n)，利于缓存、扩容时搬运麻烦、内存利用率高 链表：插入删除O(1)，随机访问O(n)，不利于缓存、动态扩容、消耗额外空间、易产生内存碎片 以文中的散列表冲突说明退化问题： 采用链表结构解决冲突，当所有输入均映射至同一位置，O(1)退化至O(n)。另外散列表是一种空间换时间的方案，空间占用较大（不考虑实体内容，每条目消耗就有50字节左右），海量数据判断是否存在的场景用布隆过滤即可，缺点则是损失部分精度和时间。 最后说下本书，图灵图书榜前列，简单易懂，可快速回忆经典算法流程，就是微信读书这个电子版排版太差了。4星-1星