算法设计中没有灵丹妙药——不存在任何一种足够强大和灵活,能够解决所有计算问题的算法思想。同样,算法分析中也没有灵丹妙药,因为对算法进行分析的最具启发性的方法往往取决于问题和应用的细节。然而,典型的算法课程几乎完全停留在一种单一的分析框架上,即最坏情况分析。本书的目的就是纠正这种不平衡。
本书源于斯坦福大学的研究生课程,由40位学者联袂撰写,旨在推广最坏情况分析的替代方法,以及这些方法的应用,包括聚类、线性规划和神经网络训练等。书中涵盖算法分析领域的各个方面,强调重要的模型和研究成果。
本书首先讨论对最坏情况分析的改进,然后介绍确定性数据模型、半随机模型、平滑分析,最后介绍这些理论在机器学习、统计学等领域的应用,大部分章节以开放式的研究方向以及适合课堂教学的练习题作为结束。
展开