转载

"Grokking Algorithms"简介与作者采访

关键点

这本书目的是告诉读者解决问题的新方法。
这本书试图通过插图来让大家更容易掌握主题，避免部分读者觉得太费解。
这本书不仅适合没有接触过算法的人，也适合刚从计算机专业毕业的学生。
这本书提供了非常多的例子和简单练习。
这并不是一本参考书，也不是练习书。它只包含了作者日常编程实践中证明了有用的算法。

Aditya Y. Bhargava所著 Grokking Algorithms （曼宁出版社出版）采用了一种全新的方式来介绍数据结构、算法和复杂度等复杂概念。作为一个视觉型学习者，Bhargava说他试图借助插图的强大表现力来帮助读者更容易地掌握主题，避免部分读者觉得太费解。

这本书假设读者已经有了编程基础。Bhargava说它不仅适合没有接触过算法的人，也适合刚从计算机专业毕业的学生。

书中前3章介绍了大O符号和递归等基本概念。读者在这里可以读到关于数组和链表等数据结构的例子，还有二分查找和选择排序等算法。

第4章以快速排序算法为例，介绍了分而治之的解决问题方法。

第5到7章主要介绍了哈希表和图。除了详细描述哈希表和图到底是什么之外，书中还提供了许多非常有意义的用例来帮助大家理解它们的使用场景。哈希冲突和性能内容都有所覆盖，还有如何选择一个合适的哈希算法等。至于图，广度优先算法和Dijkstra最短路径优先算法都有所讲述。

第8章和第9章用贪心算法和动态规划方法来解决一些基本问题。贪心算法是在NP完全问题的背景下介绍的。贪心算法和动态规划方法都用来解决旅行商问题、背包问题等经典问题。

第10章介绍了K近邻算法（K-nearest neighbors，KNN算法），这是一种用于聚合的机器学习算法，比如设定一些数据点之间的距离定义，就可以使它们呈现出一定的聚合状态。这一章非常简单的介绍了一下机器学习后面的基本算法。

在最后一章即第11章里作者简单介绍了10个算法，为读者的进一步学习做了铺垫。算法包括基于树的搜索、倒序索引、傅立叶变换、Map-Reduce算法、SHA哈希等以及其他几个。

全书通篇都会通过插图来解释各个重要概念，特别有趣的是关于一些抽象概念的插图，比如递归和分而治之等。除了用插图去解释每一个概念之外，书中还提供许多的示例代码供读者去构建和执行，还有许多简单的练习题，这样作者可以在继续下一章内容之前评估一下自己对已读内容的理解程度。在书的最后一章提供了所有练习题的解决方案。全书示例代码都是用Python写的。

InfoQ采访了Aditya Y. Bhargava来了解更多的幕后内容。

InfoQ：能请您解释一下写这本书的动机吗？除了是一本插图书之外，它与其他的算法书还有什么不同？

Aditya Y. Bhargava: 我关注使概念更容易被理解的方法。比如我写书的原则之一就是“要够用还是要全面”。很多书都是直接把很多的概念直接抛给读者，不管有用没用，这种就是“全面”的方法，我直接一股脑全说了，说不好什么时候你就用得上。而我的书则是用“够用”的方法：我只告诉读者他们现在需要知道的东西。所以我给的例子都会很简短，但都直很切题。