演算法圖解

該導圖與本書物理結構無關，目錄以實物為主。

讀本書之前你需要花兩天時間通讀一下Python的基本語法。

全書講述了幾種經典演算法以及在生活中的應用，包括代碼實現。在使用這些演算法時人們創造了適合它的數據結構，以及演算法思想，才能更高效地解決問題。

第一章以最經典的二分查找開頭，引入大O表示法來表述運行時間，與極限類似，常數不重要，最重要的是階（類似高階無窮小）。

第二章講述內存中的基礎數據結構，數組擅長找元素，鏈表擅長找位置，為了適應對數據不同的操作要求，應當靈活使用。

第三章講述遞歸，即調用函數自身的編程方法，遞歸需要的 基線條件即最簡單狀態，遞歸條件即指導函數將條件引向最簡狀態。由於遞歸的特殊性，調用棧必不可少，棧為先進後出的數據結構，類似高斯消元法的「向前——向後」，我們將問題逐漸堆高簡化，再從高處解決，帶入底端，此為調用棧。

第四章以前一章的遞歸為基礎，講述「分而治之」，即D&C，以三組練習進行遞歸編程實戰，分別為sum，len，max。重點講述二分查找的基礎——快速排序。

第五章講述散列表，在Python中實現為字典，以散列函數與數組等構成，優點兼具數組與鏈表，防止重複，可以模擬映射關係。

第六章講述圖演算法中的廣度優先搜索，使用在非加權圖上的最短路徑求解，如果應用在按順序的查找最短路徑上，需要使用一種新的數據結構——隊列，先進先出。

第七章講述狄克斯特拉演算法，一種適用於有向無環僅有非負權的圖上。需要使用散列表來完成代碼，略複雜。如果有負權邊，需要使用貝爾曼—福德演算法。

第八章講述貪婪演算法，一種在NP完全問題下求近似的演算法，即每步選擇局部最優解。旅行商問題與集合覆蓋問題都是NP完全問題。

第九章動態規劃，類似分而治之，將大問題簡化，可在約束條件下盡量找到最優解，可應用於求最長公共子序列及子串，但是無法解決離散子問題，需要人為分解。

第十章講述K最近鄰演算法，在提取特徵之後，可創立推薦系統。KNN演算法在機器學習方面有很重要的作用。

第十一章講述了其他十種常用演算法，涉及到查找、分散式計算、密碼學等方面。

全書多圖，比如對調用棧的描述

Python代碼相對於其他語言本就比較簡單，然而作者依然細心解釋

甚至，再以圖說明一遍

本書適合演算法入門以及單純地了解一下演算法，經典演算法即使在生活中也擁有豐富的創造力。

最後還有幾個代碼實現需要細讀，回去複習Python了。