《Introduction to Algorithms, 3rd Edition》读后感1000字

《Introduction to Algorithms, 3rd Edition》是一本由Thomas H. Cormen / Charles E. Le著作，The MIT Press出版的Hardcover图书，本书定价：USD 94.00，页数：1312，特精心收集的读后感，希望对大家能有帮助。

《Introduction to Algorithms, 3rd Edition》读后感(一)：如觉得难建议先修Mathematics for Computer Science

如觉得难建议先修Mathematics for Computer Science

18.062J Mathematics for Computer Science Undergraduate

http://book.douban.com/subject/20472991/

《Introduction to Algorithms, 3rd Edition》读后感(二)：适合当教科书和工具书，最有价值的是课后习题

就内容而言，是一本非常全面和严谨的教材；几乎所有的重要的算法，都能在这部书中找到；并且对算法的实现和性能都有清楚的解释。

但是，这只是一本“授之以鱼“，而不是”授之以渔”的书。如果过上一段时间，让你不看书写出某个算法或者证明某个结论，我想可能会有不少人，总有某个地方想不起来该怎么做。它只是告诉你该怎么做，而没有告诉你为什么要这么做，思路是什么，怎么想到这样做的。

不过这部书的另一个优点就是有着丰富的课后习题。很多习题都是对某个算法的优化和延伸，以及相关的一些内容。我觉得这是本书最有价值的地方，就是让你可以知道学过的算法可以运用在哪里，以及还有没有优化的空间。

总的来书，手头放这样一本书还是不错的。忘记算法怎么写的时候可以很快就找到答案。

《Introduction to Algorithms, 3rd Edition》读后感(三)：这本书为什么那么厚？

看下来没有想象得那么难，书的块头大主要因为四个原因：

（1）内容全面。 像第7部分的某些内容，如并行算法、多项式和快速傅立面变换、数论算法，有的算法教程完全不会提及。（对于后面两个，有的基础算法教程不讲，大概是认为数值类算法可以专门写一本书来讲。）

（2）细致的讲解 一步一步深入浅出，不会跳得太快让人跟不上。 全书没遇到一处看不懂的地方。（有一处琢磨了好久没明白，怀疑是错误，上网查勘语，果然是。不过人家第三刷就更正了，还是怪自己的版本太旧。）

（3）严谨的证明 有的教程只给算法，顶多加一个直观的说明，不会对每个算法的正确性都做严格证明。

（4）大量习题 当然占据了不少篇幅。这次只看了正文，没有做题目。

另外，极个别的地方过于“认真”。比如某些树型数据结构中增删元素的算法，考虑了增删后“尽量减少外部引用失效”。个人觉得这类考量不必引入基础算法中，否则无形中进一步增添了复杂度，甚至分散了对核心问题的注意力。做为习题或延伸阅读即可。

NP完全性那一章，思路体系跟读研时复旦朱洪教授讲授的不一样。 （据说NPC是计算机学科中论文发表数量最多的一个领域。独立而抽象的一个领域，很明显完全不懂编码的人投入这个领域的研究也不会有丝毫障碍。）

《Introduction to Algorithms, 3rd Edition》读后感(四)：第一本感到有一种能跟作者对话的书

本人美本，算法上课就是用这本书，可能是我看的书不够吧，这本是我这辈子看到写的最棒的书，每一章每一行几乎都是精华，当你能读3遍以上的时候，你就会发现作者许多的地方严谨性，字字珠玑，后面的题目非常给力，很多题目都要想很久才能做出来(我承认有些我现在还不会做，还木有答案！我赶脚是不是只有作者会做啊~~，作者在自己的官方网站上说过，我没有写所有的答案就是因为如果我全写了大概要写3000多页...) 不建议初学者读，至少要学过离散的某几章才能看懂证明意义，比如trivial proof and vacuous proof 这个好像高中是不是没讲过？所以我觉得离散有几章还是很重要的. 最好先看用编程语言（C，C++,JAVA,PYTHON ..Whatever..）写的数据结构书之后再看这本书,我觉得更能理解里面的精髓。数学难度赶脚不是很高（好像到大学微积分和简单的概率和线性代数就够用，相比machine learning 那里的数学，这里的数学就是过家家...），所以一般本科生都应该能看，只要沉下心（这才是最难的），这里几乎所有内容（除了一些高级内容可能有点难）都是能学懂的，如果只是扫一眼，除非你是天才，否则你将永远不会感受到这本书的伟大之处的。

最后，肯定有人问我为什么要学这本充满着证明的“数学书”？因为这才是真正的science!