Myślenie algorytmiczne. Jak rozwiązywać problemy za pomocą algorytmów. Wydanie II - Karnawałowe ceny HITÓW z odbiorem za 0 zł lub wysyłka od 10,49 zł Gdynia

Warunkiem poprawnego działania algorytmu i pomyślnego rozwiązania problemu programistycznego jest trafny wybór struktury danych i zastosowanie odpowiedniego algorytmu. A to oznacza, że nawet świetna znajomość ulubionego języka programowania nie wystarcza, aby pisać rzeczywiście dobry kod. Nie masz wyjścia: musisz nabrać biegłości w posługiwaniu się algorytmami i strukturami danych. Dzięki tej książce nauczysz się rozwiązywania ambitnych problemów algorytmicznych i projektowania własnych algorytmów. Materiałem do ćwiczeń są tu przykłady zaczerpnięte z konkursów programistycznych o światowej renomie. Dowiesz się, jak klasyfikować problemy, czym się kierować podczas wybierania struktury danych i jak wybierać odpowiednie algorytmy. Sprawdzisz także, w jaki sposób dobór odpowiedniej struktury danych może wpłynąć na czas wykonywania algorytmów. Nauczysz się też używać takich metod jak rekurencja czy wyszukiwanie binarne. Próbując swoich sił w samodzielnej modyfikacji poszczególnych algorytmów, jeszcze lepiej je zrozumiesz i podniesiesz umiejętności programistyczne na wyższy poziom! To wydanie zostało rozszerzone o rozdziały poświęcone programowaniu dynamicznemu i algorytmom probabilistycznym. Znajdziesz w nim również nowe przykłady i bardziej rozbudowane wyjaśnienia trudniejszych zagadnień. W książce między innymi: algorytm przeszukiwania wszerz algorytm Dijkstry struktura zbiorów rozłącznych, kopce, tablice mieszające programowanie dynamiczne algorytmy probabilistyczne Twórz algorytmy, które sprostają każdemu wyzwaniu O książce w mediach: Recenzja książki – Eksperyment myślowy Spis treści: Przedmowa Podziękowania Wprowadzenie 1. Tablice mieszające Problem 1.: Płatki śniegu Problem Uproszczenie problemu Rozwiązywanie podstawowego problemu Rozwiązanie 1.: Porównywanie parami Rozwiązanie 2.: Zmniejszenie liczby wykonywanych operacji Tablice mieszające Projekt tablicy mieszającej Dlaczego warto używać tablic mieszających? Problem 2.: Chaos w hasłach Problem Rozwiązanie 1.: Sprawdzanie wszystkich haseł Rozwiązanie 2.: Użycie tablicy mieszającej Problem 3.: Sprawdzanie pisowni - usuwanie litery Problem Rozważania o zastosowaniu tablic mieszających Rozwiązanie doraźne Podsumowanie Uwagi 2. Drzewa i rekurencja Problem 1.: Halloweenowy łup Problem Drzewa binarne Rozwiązywanie problemu dla przykładowego drzewa Reprezentacja drzew binarnych Zbieranie wszystkich cukierków Zupełnie inne rozwiązanie Przechodzenie minimalnej liczby ulic Odczyt danych wejściowych Dlaczego korzystać z rekurencji? Problem 2.: Odległość pomiędzy potomkami Problem Odczyt danych wejściowych Liczba potomków w odległości d od wierzchołka Liczba potomków dla wszystkich wierzchołków Sortowanie wierzchołków Wyświetlanie wyników Funkcja main Podsumowanie Uwagi 3. Memoizacja i programowanie dynamiczne Problem 1.: Burgerowa gorączka Problem Określenie planu rozwiązania problemu Określanie optymalnego rozwiązania Rozwiązanie 1.: Zastosowanie rekurencji Rozwiązanie 2.: Memoizacja Rozwiązanie 3.: Programowanie dynamiczne Memoizacja i programowanie dynamiczne Krok 1.: Struktura optymalnego rozwiązania Krok 2.: Rozwiązanie rekurencyjne Krok 3.: Memoizacja Krok 4.: Programowanie dynamiczne Problem 2.: Skąpcy Problem Określanie optymalnego rozwiązania Rozwiązanie 1.: Rekurencja Funkcja main Rozwiązanie 2.: Memoizacja Problem 3.: Rywalizacja hokejowa Problem Rozważania dotyczące rywalizacji Określenie optymalnego rozwiązania Rozwiązanie 1.: Rekurencja Rozwiązanie 2.: Memoizacja Rozwiązanie 3.: Programowanie dynamiczne Optymalizacja zużycia pamięci Podsumowanie Uwagi 4. Zaawansowana memoizacja i programowanie dynamiczne Problem 1.: Skoczek Problem Analiza przykładu Rozwiązanie 1.: Analiza wstecz Rozwiązanie 2.: Analiza w przód Problem 2.: Sposoby budowy Problem Analiza przykładu Rozwiązanie 1.: Stosowanie "dokładnych" podproblemów Rozwiązanie 2.: Dodawanie kolejnych podproblemów Podsumowanie Uwagi 5. Grafy i przeszukiwanie wszerz Problem 1.: Pogoń skoczka Problem Optymalne ruchy skoczka Najlepszy wynik skoczka Przesunięcie i powrót skoczka Optymalizacja czasu działania Grafy i przeszukiwanie wszerz Czym są grafy? Grafy a drzewa Algorytm BFS na grafach Grafy a programowanie dynamiczne Problem 2.: Wspinaczka po linie Problem Rozwiązanie 1.: Poszukiwanie ruchów Rozwiązanie 2.: Nowy model Problem 3.: Tłumaczenie książek Problem Wczytywanie nazw języków Budowanie grafu Implementacja algorytmu BFS Koszt całkowity Podsumowanie Uwagi 6. Najkrótsze ścieżki na grafach ważonych Problem 1.: Myszy w labiryncie Problem Zostawiamy algorytm BFS Znajdowanie najkrótszej ścieżki na grafach ważonych Tworzenie grafu Implementacja algorytmu Dijkstry Dwie optymalizacje Algorytm Dijkstry Efektywność działania algorytmu Dijkstry Krawędzie o wagach ujemnych Problem 2.: Planowanie odwiedzin u babci Problem Macierz sąsiedztwa Konstruowanie grafu Analiza przypadku testowego dziwacznych ścieżek Zadanie 1.: Najkrótsze ścieżki Zadanie 2.: Liczba najkrótszych ścieżek Podsumowanie Uwagi 7. Wyszukiwanie binarne Problem 1.: Karmienie mrówek Problem Nowy rodzaj problemów z drzewami Wczytywanie danych wejściowych Sprawdzanie wykonalności Poszukiwanie rozwiązania Wyszukiwanie binarne Wydajność działania algorytmu wyszukiwania binarnego Określanie wykonalności Przeszukiwanie tablicy posortowanej Problem 2.: Skok przez rzekę Problem Koncepcja zachłanności Testowanie wykonalności Poszukiwanie rozwiązania Wczytywanie danych wejściowych Problem 3.: Jakość życia Problem Sortowanie wszystkich prostokątów Wyszukiwanie binarne Sprawdzanie wykonalności Szybsze sprawdzanie wykonalności Problem 4.: Drzwi w jaskini Problem Rozwiązywanie podzadań Zastosowanie wyszukiwania liniowego Stosowanie wyszukiwania binarnego Podsumowanie Uwagi 8. Kopce i drzewa segmentów Problem 1.: Promocja w supermarkecie Problem Rozwiązanie 1.: Wartość maksymalna i minimalna w tablicy Kopce maksymalne Kopce minimalne Rozwiązanie 2.: Kopce Kopce Inne zastosowania Wybór struktury danych Problem 2.: Budowanie drzewców Problem Rekurencyjne wyświetlanie drzewców Sortowanie na podstawie etykiet Rozwiązanie 1.: Rekurencja Pytania o sumę zakresu Drzewa segmentów Rozwiązanie 2.: Drzewa segmentów Drzewa segmentów Problem 3.: Suma dwóch Problem Wypełnianie drzewa segmentów Znajdowanie odpowiedzi z użyciem drzewa segmentów Aktualizacja drzewa segmentów Funkcja main Podsumowanie Uwagi 9. Struktura zbiorów rozłącznych Problem 1.: Sieć społecznościowa Problem Modelowanie danych w formie grafu Rozwiązanie 1.: BFS Struktura zbiorów rozłącznych Rozwiązanie 2.: Struktura zbiorów rozłącznych Optymalizacja 1.: Łączenie na podstawie wielkości Optymalizacja 2.: Skracanie ścieżek Struktura zbiorów rozłącznych Relacje: Trzy wymagania Wybieranie struktury zbiorów rozłącznych Optymalizacje Problem 2.: Przyjaciele i wrogowie Problem Rozszerzenie: Struktura zbiorów rozłącznych Funkcja main Operacje find i union Operacje UstawJakoPrzyjaciół i UstawJakoWrogów Operacje CzySąPrzyjaciółmi i CzySąWrogami Problem 3.: Kłopot z szufladami Problem Równoważne szuflady Funkcja main Implementacja operacji find i union Podsumowanie Uwagi 10. Randomizacja Problem 1.: Yokan Problem Losowy wybór kawałka Generowanie liczb losowych Określanie liczby kawałków Odgadywanie smaków Ilu prób potrzebujemy? Wypełnianie tablic smaków Funkcja main Randomizacja Algorytmy typu Monte Carlo Algorytmy typu Las Vegas Algorytmy deterministyczne a probabilistyczne Problem 2.: Kapsle i butelki Problem Rozwiązywanie podzadania Rozwiązanie 1.: Rekurencja Rozwiązanie 2.: Dodanie randomizacji Sortowanie szybkie Implementacja algorytmu sortowania szybkiego Efektywność najgorszego przypadku i oczekiwana Podsumowanie Uwagi Podsumowanie A. Efektywność algorytmów Kwestia czasu. i nie tylko Notacja dużego O Czas liniowy Czas stały Inny przykład Czas kwadratowy Notacja dużego O w tej książce B. Ponieważ nie mogłem się powstrzymać Płatki śniegu: niejawne listy połączone Burgerowa gorączka: rekonstrukcja rozwiązania Pogoń skoczka: kodowanie ruchów Algorytm Dijkstry: stosowanie kopca Myszy w labiryncie: śledzenie z użyciem kopców Myszy w labiryncie: implementacja z użyciem kopca Skracanie skracania ścieżek Krok 1.: Żadnych więcej operatorów trójargumentowych Krok 2.: Bardziej czytelne operatory przypisania Krok 3.: Wyjaśnienie rekurencji Kapsle i butelki: sortowanie w miejscu C. Z podziękowaniem za problemy O autorze: Dr Daniel Zingaro jest wielokrotnie nagradzanym wykładowcą Uniwersytetu Toronto. Głównym obszarem jego badań naukowych jest metodyka nauczania informatyki i sposób przyswajania tej dziedziny wiedzy. Słynie z niekonwencjonalnego i innowacyjnego podejścia do pracy ze studentami.