- 你一定能看懂的算法基礎書
- 代碼示例基於Python
- 400多個示意圖，生動介紹算法執行過程
- 展示不同算法在性能方面的優缺點
- 教會你用常見算法解決每天面臨的實際編程問題
本書易於理解，沒有大跨度的思維跳躍，每次引入新概念時，都立即進行詮釋，或者指出將在什麼地方進行詮釋。核心概念都通過練習和反覆詮釋進行強化，以便你檢驗假設，跟上步伐。
書中使用示例來幫助理解。我的目標是讓你輕鬆地理解這些概念，而不是讓正文充
閱讀路線圖
本書前三章將幫助你打好基礎。
第1章：你將學習第一種實用算法——二分查找；還將學習使用大O表示法分析算法的速度。本書從始至終都將使用大O表示法來分析算法的速度。
第2章：你將學習兩種基本的數據結構——數組和鏈表。這兩種數據結構貫穿本書，它們還被用來創建更高級的數據結構，如第5章介紹的散列表。
第3章：你將學習遞歸，一種被衆多算法（如第4章介紹的快速排序）採用的實用技巧。
根據我的經驗，大O表示法和遞歸對初學者來說頗具挑戰性，因此介紹這些內容時我放慢了腳步，花費的篇幅也較長。
餘下的篇幅將介紹應用廣泛的算法。
問題解決技巧：將在第4、8和9章介紹。遇到問題時，如果不確定該如何高效地解決，可嘗試分而治之（第4章）或動態規劃（第9章）；如果認識到根本就沒有高效的解決方案，可轉而使用貪婪算法（第8章）來得到近似答案。
散列表：將在第5章介紹。散列表是一種很有用的數據結構，由鍵值對組成，如人名和電子郵件地址或者用戶名和密碼。散列表的用途之大，再怎麼強調都不過分。每當我需要解決問題時，首先想到的兩種方法是：可以使用散列表嗎？可以使用圖來建立模型嗎？
圖算法：將在第6、7章介紹。圖是一種模擬網絡的方法，這種網絡包括人際關係網、公路網、神經元網絡或者任何一組連接。廣度優先搜索（第6章）和狄克斯特拉算法（第7章）計算網絡中兩點之間的最短距離，可用來計算兩人之間的分隔度或前往目的地的最短路徑。
K最近鄰算法（KNN）：將在第10章介紹。這是一種簡單的機器學習算法，可用於創建推薦系統、OCR引擎、預測股價或其他值（如“我們認爲Adit會給這部電影打4星”）的系統，以及對物件進行分類（如“這個字母是Q”）。
接下來如何做：第11章概述了適合你進一步學習的10種算法。
各種符號。我還認爲，如果能夠回憶起熟悉的情形，學習效果將達到最佳，而示例有助於喚醒記憶。因此，如果你要記住數組和鏈表（第2章）之間的差別，只要想想在電影院找座位就坐的情形。另外，不怕你說我囉嗦，我是視覺型學習者，因此本書包含大量的圖示。
本書內容是精挑細選的。沒必要在一本書中介紹所有的排序算法，不然還要維基百科和可汗學院做什麼。書中介紹的所有算法都非常實用，對我從事的軟件工程師的工作大有幫助，還可爲閱讀更復雜的主題打下堅實的基礎。祝你閱讀愉快！
目錄
第 1 章 算法簡介
第 2 章 選擇排序
第 3 章 遞歸
第 4 章 快速排序
第 5 章 散列表
第 6 章 廣度優先搜索
第 7 章 狄克斯特拉算法
第 8 章 貪婪算法
第 9 章 動態規劃
第 10 章 K最近鄰算法
第 11 章 接下來如何做
練習答案