你是如何堅持讀完《算法導論》這本書的？

《算法導論》不夠猛，答者順便補充 “你是如何堅持讀完《計算機編程的藝術》這本書的？”

?

羅必成：

CLRS上的證明太煩人了，如果是以業界為目標（進BAT，進FLAG）進行算法的學習的話，我覺得大可不必；如果是以學界（發paper）為目標的話，里面一些引理的證明思路，算法的分析以及符號化的數學思想倒很有學習意義。去年Bin Wang老師的算法課上的作業我還留著呢，數學思維鍛煉沒鍛煉到這不好說，但是LaTex的語法掌握程度絕對得到了提升。
如果看CLRS看不下去的話，題主不妨來試試看跟一個公開課試試。這里我又要來安利一下TsinghuaX的Data Structures ? 數據結構了，絕對會讓你對算法世界的了解更上一層樓的。主講的Junhui Deng老師是答主在清華碰見的少有深諳教學之道的好老師，他的計算幾何也要馬上開課了，有興趣可以報名試試。

?

?

?

?發布于 2015-08-07

?

孟蛋蛋：

推薦中文網易公開課：算法導論，使用的教材就是《算法導論》。

英文可以參加Coursera公開課?Algorithms，免費旁聽，付費較昂貴，但可獲得全部服務，如編程練習和證書。

如英文足夠好，直接讀英文原著最好。除此之外需提前準備課件和閱讀材料，盡量把這門網絡公開課程當作主業來認真對待，包括：

• 需要預習每節課講解的大概內容。
• 觀看上課視頻過程中要與課件結合，不懂的地方要暫停思考。
• 嘗試獨立完成 Problem Sets。
• 每周總結，并嘗試了解證明用到的數學公式。
• 嘗試解決書后習題進行復習。

不推薦作為第一本學習算法和數據結構的書籍，也不建議必須要求自己完全理解書中的數學證明。

編輯于 2018-03-11

?

青霄：

深夜欲眠眠未得，路過答一下題。

算法導論這本書，從初三到高二，自己斷斷續續的看了三年時間。對于算法導論，自己的閱讀路徑比較曲折艱難，這是當時自己只有中學基礎的緣故。好在算法導論偏向于培養構造性的思維，解題、證明技巧是“算法的方式”而非“數學的方式”，因而得以勉強讀了下來。不過平攤分析這樣的部分就無能為力了，選擇跳過。

循環不變式是算導最開端的內容，也是算法正確性證明最重要的鑰匙。本質上，循環不變式是算法歸納證明的形式化。理解算導中每個算法循環不變式的證明過程，就是在理解算法的運行原理。

算導閱讀不需要很深的知識儲備（你看我這樣的初中生也能勉強看）。在看高斯消元LUP分解的時候，我只是通過附錄補習了一下矩陣的基本知識，然后就可以看前面的LUP分解算法了。理解算法的正確性是相對容易的，理解算法設計的精妙，反推算法設計的過程難之又難。

代碼實現是最好的學習過程。因為競賽的緣故我使用的是c，當然你也可以用python、java或者brainf**k（霧）。啃完二十多頁的二項堆，并且敲出代碼成功運行后，當時的我崩潰的發現還有三十多頁的Fibonacci堆在后面等著我。為了記住Fibonacci堆的設計細節，我重復寫了20多遍以至于閉著眼睛都能寫出來，結果發現在競賽中根本用不到，我們有好用又好寫的Pairing heap。盡管如此，Fibonacci堆的證明簡單而直觀，算法設計有趣得很。

嘗試修改優化算法導論上的代碼。在編寫線性規劃單純性的代碼時，我發覺(n+m)*(n+m)的矩陣異常浪費，稍作思考發現可以改成n*m的矩陣加上幾個附加向量信息；進一步，對全幺模的情況，可以使用稀疏矩陣常見的優化方法——鏈表替代行向量。幾個優化過后，我終于可以在競賽允許的時間、空間、編碼量內寫一個非多項式的線性規劃單純形算法了。

快速傅里葉變換也是個有趣的例子。我們都知道，快速傅里葉變換的計算是在復數域上的，而計算機中復數的數值精度會導致FFT在向量比較長的時候丟失信息。后來學過數論部分，發現復數域是可以由一些特定的模整數運算取代的，于是FFT就可以被用來加速高精度乘法。再后來，發覺這個方法叫做快速數論變換。

每一章的課后習題是檢驗本章內容是否掌握的準則。如果課后習題有二分之一以上無法獨立解決，不妨重新閱讀本章內容，給深入思考留些時間。結合習題閱讀章節也是可行的。（我記得網上可以搜到部分章節的答案）

說到底，算法導論只是本基礎教材，其中無論數據結構、圖論，還是動態規劃，貪心算法，都只是基礎內容。如果看不懂，你需要重新看一下這一章；如果一直看不懂，你需要重新從頭讀這本書；如果你發覺能看懂了，說明通過培養，你習得了構造性的、“算法”的思考能力。

總結

以上是生活随笔為你收集整理的你是如何坚持读完《算法导论》这本书的？(帖子收集)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。