دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Thomas H. Cormen
سری:
ISBN (شابک) : 9780262367509, 0262367505
ناشر: MIT Press
سال نشر: 2022
تعداد صفحات:
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 Mb
در صورت تبدیل فایل کتاب Introduction to Algorithms, Fourth Edition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر الگوریتم ها، ویرایش چهارم نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بهروزرسانی جامع متن الگوریتمهای پیشرو، با مطالب جدید در مورد تطابق در نمودارهای دوبخشی، الگوریتمهای آنلاین، یادگیری ماشین و موضوعات دیگر. برخی از کتاب ها در مورد الگوریتم ها دقیق اما ناقص هستند. دیگران انبوهی از مواد را پوشش می دهند، اما فاقد دقت هستند. مقدمه ای بر الگوریتم ها به طور منحصر به فردی دقت و جامعیت را با هم ترکیب می کند. این طیف گسترده ای از الگوریتم ها را در عمق پوشش می دهد، اما طراحی و تجزیه و تحلیل آنها را با فصل ها و الگوریتم های مستقل در شبه کد برای تمام سطوح خوانندگان در دسترس قرار می دهد. از زمان انتشار اولین نسخه، مقدمه ای بر الگوریتم ها به متن الگوریتم های پیشرو در دانشگاه های سراسر جهان و همچنین مرجع استاندارد برای متخصصان تبدیل شده است. این نسخه چهارم در سراسر جهان به روز شده است. جدید برای نسخه چهارم • فصل های جدید در مورد تطابق در نمودارهای دوبخشی، الگوریتم های آنلاین، و یادگیری ماشین • مطالب جدید در مورد موضوعاتی از جمله حل معادلات عود، جداول هش، توابع بالقوه، و آرایه های پسوند • 140 تمرین جدید و 22 مسئله جدید • بازخورد خواننده -پیشرفتهای آگاهانه برای مشکلات قدیمی • سبک نوشتاری واضحتر، شخصیتر و بیتفاوتتر از جنسیت • رنگ اضافهشده برای بهبود نمایش تصویری • یادداشتها، کتابشناسی و فهرست بهروز شده برای منعکسکننده تحولات در این زمینه • وبسایت با مطالب تکمیلی جدید
A comprehensive update of the leading algorithms text, with new material on matchings in bipartite graphs, online algorithms, machine learning, and other topics. Some books on algorithms are rigorous but incomplete; others cover masses of material but lack rigor. Introduction to Algorithms uniquely combines rigor and comprehensiveness. It covers a broad range of algorithms in depth, yet makes their design and analysis accessible to all levels of readers, with self-contained chapters and algorithms in pseudocode. Since the publication of the first edition, Introduction to Algorithms has become the leading algorithms text in universities worldwide as well as the standard reference for professionals. This fourth edition has been updated throughout. New for the fourth edition • New chapters on matchings in bipartite graphs, online algorithms, and machine learning • New material on topics including solving recurrence equations, hash tables, potential functions, and suffix arrays • 140 new exercises and 22 new problems • Reader feedback–informed improvements to old problems • Clearer, more personal, and gender-neutral writing style • Color added to improve visual presentation • Notes, bibliography, and index updated to reflect developments in the field • Website with new supplementary material
Copyright Preface I Foundations Introduction 1 The Role of Algorithms in Computing 1.1 Algorithms 1.2 Algorithms as a technology 2 Getting Started 2.1 Insertion sort 2.2 Analyzing algorithms 2.3 Designing algorithms 3 Characterizing Running Times 3.1 O-notation, Ω-notation, and Θ-notation 3.2 Asymptotic notation: formal definitions 3.3 Standard notations and common functions 4 Divide-and-Conquer 4.1 Multiplying square matrices 4.2 Strassen’s algorithm for matrix multiplication 4.3 The substitution method for solving recurrences 4.4 The recursion-tree method for solving recurrences 4.5 The master method for solving recurrences ★ 4.6 Proof of the continuous master theorem ★ 4.7 Akra-Bazzi recurrences 5 Probabilistic Analysis and Randomized Algorithms 5.1 The hiring problem 5.2 Indicator random variables 5.3 Randomized algorithms ★ 5.4 Probabilistic analysis and further uses of indicator random variables II Sorting and Order Statistics Introduction 6 Heapsort 6.1 Heaps 6.2 Maintaining the heap property 6.3 Building a heap 6.4 The heapsort algorithm 6.5 Priority queues 7 Quicksort 7.1 Description of quicksort 7.2 Performance of quicksort 7.3 A randomized version of quicksort 7.4 Analysis of quicksort 8 Sorting in Linear Time 8.1 Lower bounds for sorting 8.2 Counting sort 8.3 Radix sort 8.4 Bucket sort 9 Medians and Order Statistics 9.1 Minimum and maximum 9.2 Selection in expected linear time 9.3 Selection in worst-case linear time III Data Structures Introduction 10 Elementary Data Structures 10.1 Simple array-based data structures: arrays, matrices, stacks, queues 10.2 Linked lists 10.3 Representing rooted trees 11 Hash Tables 11.1 Direct-address tables 11.2 Hash tables 11.3 Hash functions 11.4 Open addressing 11.5 Practical considerations 12 Binary Search Trees 12.1 What is a binary search tree? 12.2 Querying a binary search tree 12.3 Insertion and deletion 13 Red-Black Trees 13.1 Properties of red-black trees 13.2 Rotations 13.3 Insertion 13.4 Deletion IV Advanced Design and Analysis Techniques Introduction 14 Dynamic Programming 14.1 Rod cutting 14.2 Matrix-chain multiplication 14.3 Elements of dynamic programming 14.4 Longest common subsequence 14.5 Optimal binary search trees 15 Greedy Algorithms 15.1 An activity-selection problem 15.2 Elements of the greedy strategy 15.3 Huffman codes 15.4 Offline caching 16 Amortized Analysis 16.1 Aggregate analysis 16.2 The accounting method 16.3 The potential method 16.4 Dynamic tables V Advanced Data Structures Introduction 17 Augmenting Data Structures 17.1 Dynamic order statistics 17.2 How to augment a data structure 17.3 Interval trees 18 B-Trees 18.1 Definition of B-trees 18.2 Basic operations on B-trees 18.3 Deleting a key from a B-tree 19 Data Structures for Disjoint Sets 19.1 Disjoint-set operations 19.2 Linked-list representation of disjoint sets 19.3 Disjoint-set forests ★ 19.4 Analysis of union by rank with path compression VI Graph Algorithms Introduction 20 Elementary Graph Algorithms 20.1 Representations of graphs 20.2 Breadth-first search 20.3 Depth-first search 20.4 Topological sort 20.5 Strongly connected components 21 Minimum Spanning Trees 21.1 Growing a minimum spanning tree 21.2 The algorithms of Kruskal and Prim 22 Single-Source Shortest Paths 22.1 The Bellman-Ford algorithm 22.2 Single-source shortest paths in directed acyclic graphs 22.3 Dijkstra’s algorithm 22.4 Difference constraints and shortest paths 22.5 Proofs of shortest-paths properties 23 All-Pairs Shortest Paths 23.1 Shortest paths and matrix multiplication 23.2 The Floyd-Warshall algorithm 23.3 Johnson’s algorithm for sparse graphs 24 Maximum Flow 24.1 Flow networks 24.2 The Ford-Fulkerson method 24.3 Maximum bipartite matching 25 Matchings in Bipartite Graphs 25.1 Maximum bipartite matching (revisited) 25.2 The stable-marriage problem 25.3 The Hungarian algorithm for the assignment problem VII Selected Topics Introduction 26 Parallel Algorithms 26.1 The basics of fork-join parallelism 26.2 Parallel matrix multiplication 26.3 Parallel merge sort 27 Online Algorithms 27.1 Waiting for an elevator 27.2 Maintaining a search list 27.3 Online caching 28 Matrix Operations 28.1 Solving systems of linear equations 28.2 Inverting matrices 28.3 Symmetric positive-definite matrices and least-squares approximation 29 Linear Programming 29.1 Linear programming formulations and algorithms 29.2 Formulating problems as linear programs 29.3 Duality 30 Polynomials and the FFT 30.1 Representing polynomials 30.2 The DFT and FFT 30.3 FFT circuits 31 Number-Theoretic Algorithms 31.1 Elementary number-theoretic notions 31.2 Greatest common divisor 31.3 Modular arithmetic 31.4 Solving modular linear equations 31.5 The Chinese remainder theorem 31.6 Powers of an element 31.7 The RSA public-key cryptosystem ★ 31.8 Primality testing 32 String Matching 32.1 The naive string-matching algorithm 32.2 The Rabin-Karp algorithm 32.3 String matching with finite automata ★ 32.4 The Knuth-Morris-Pratt algorithm 32.5 Suffix arrays 33 Machine-Learning Algorithms 33.1 Clustering 33.2 Multiplicative-weights algorithms 33.3 Gradient descent 34 NP-Completeness 34.1 Polynomial time 34.2 Polynomial-time verification 34.3 NP-completeness and reducibility 34.4 NP-completeness proofs 34.5 NP-complete problems 35 Approximation Algorithms 35.1 The vertex-cover problem 35.2 The traveling-salesperson problem 35.3 The set-covering problem 35.4 Randomization and linear programming 35.5 The subset-sum problem VIII Appendix: Mathematical Background Introduction A Summations A.1 Summation formulas and properties A.2 Bounding summations B Sets, Etc. B.1 Sets B.2 Relations B.3 Functions B.4 Graphs B.5 Trees C Counting and Probability C.1 Counting C.2 Probability C.3 Discrete random variables C.4 The geometric and binomial distributions ★ C.5 The tails of the binomial distribution D Matrices D.1 Matrices and matrix operations D.2 Basic matrix properties Bibliography Index