算法分析导论

本书为全英文。它全面介绍了算法的数学分析中使用的基本方法，所涉及的内容来自经典的数学素材(包括离散数学、初等实分析、组合数学)，以及经典的计算机科学素材(包括算法和数据结构)。虽然书中论述了“最坏情形”和“复杂性问题”分析所需的基本数学工具，但是重点还是讨论“平均情形”或“概率”分析。论题涉及递归、生成函数、渐近性、树、串、映射等内容，以及对排序、树查找、串查找和散列诸算法的分析。

　　本书全面介绍了算法的数学分析中使用的基本方法，所涉及的内容来自经典的数学素材(包括离散数学、初等实分析、组合数学)，以及经典的计算机科学素材(包括算法和数据结构)。虽然书中论述了“最坏情形”和“复杂性问题”分析所需的基本数学工具，但是重点还是讨论“平均情形”或“概率”分析。论题涉及递归、生成函数、渐近性、树、串、映射等内容，以及对排序、树查找、串查找和散列诸算法的分...

本书为全英文。它全面介绍了算法的数学分析中使用的基本方法，所涉及的内容来自经典的数学素材(包括离散数学、初等实分析、组合数学)，以及经典的计算机科学素材(包括算法和数据结构)。虽然书中论述了“最坏情形”和“复杂性问题”分析所需的基本数学工具，但是重点还是讨论“平均情形”或“概率”分析。论题涉及递归、生成函数、渐近性、树、串、映射等内容，以及对排序、树查找、串查找和散列诸算法的分析。

　　本书全面介绍了算法的数学分析中使用的基本方法，所涉及的内容来自经典的数学素材(包括离散数学、初等实分析、组合数学)，以及经典的计算机科学素材(包括算法和数据结构)。虽然书中论述了“最坏情形”和“复杂性问题”分析所需的基本数学工具，但是重点还是讨论“平均情形”或“概率”分析。论题涉及递归、生成函数、渐近性、树、串、映射等内容，以及对排序、树查找、串查找和散列诸算法的分析。

　　尽管人们极为关注算法的数学分析，但是广泛使用的方法和模型方面的基本信息尚不能为该领域的工作和研究所直接使用。作者在本书中处理这种需求，把该领域出现的挑战以及为跟上新的研究以迎接这些挑战所必需的背景资料完美地结合在一起。

Robed Sedgewick拥有斯坦福大学博士学位(导师为Donald E. Knuth)，昔林斯顿大学计算机科学系教授，Adobe Systems公司董事，曾是XeroxPARC的研究人员，还曾就职于美国国防部防御分析研究所以及INRIA。

Philippec Flajoletc 是INRIA的高级研究主任,在EcolePolytechnique和普林斯顿大学任教, 并在斯坦福大学、智利大学和弗吉尼亚技术大学拥有访问席位、他还是法国科学院的通信会员.