知乎上總有一種聲音：

如果你沒讀過CLRS/CSAPP/SICP，那麼你的CS生涯是不圓滿的。

注：

CLRS為《演算法導論》（連結：演算法導論（原書第3版） （豆瓣））；

CSAPP為《深入理解計算機系統》（連結：深入理解計算機系統 （豆瓣））；

SICP為為《計算機程式的構造和解釋》（連結：計算機程式的構造和解釋 （豆瓣））。

因為本人的興趣點在安全+大資料方向，CSAPP和SICP實在抽不出時間拜讀，只好看看CLRS了。

演算法與資料結構作為程式設計的基礎，在CS中的重要性不言而喻。我老師曾經說過學計算機好比學武功，程式語言算招式，演算法設計能力是內功。演算法實乃高手決勝負之地。

於是萌生了看演算法導論的想法。

個人基礎

本科課程學習過《資料結構》、《演算法分析》、《人工智慧》。

資料準備

網易公開課的演算法導論（麻省理工學院公開課：演算法導論_全23集_網易公開課）：

該課程是由Charles Leiserson（CLRS作者之一）、Erik Demaine兩人共同授課完成。Charles風格嚴謹而有邏輯，Erik風格形象生動。這應該是全網最優秀的教學資源了（某客的演算法導論課程沒上過，不作評價）。但是其中還是有些是遺漏的，譬如堆排序和B樹等等是沒有的。根據網友的推測，是在MIT的習題課上講了，而那一部分是沒有錄影的，所以只能自己看書。還有一些是課程有提及，但書本沒有的，譬如跳躍表以及高階課題等等。

課本講義（Introduction to Algorithms （SMA 5503））：

由於該課程錄製的時候畫質較低，所以全網都沒有所謂的高畫質版本影片課程。所以看老師黑板板書部分一塌糊塗也也只能將就。但MIT課程主頁是有講義提供的（就是老師上課時候看的那份PPT）。幾乎每一節都有講義。講義位置在VIDEO LECTURES→相應Lecture→影片下方的Related Resources→Lecture Notes（PDF）。在上相應課程時候可以開啟來看，可以解決看不清楚板書的後排學生難題。

演算法導論教材（購買連結）：

如果玩演算法的人組成宗教的話，演算法導論就是聖經。這本大部頭肯定是必備的。

時間計劃

本人在中學時代被GTD害得不淺。所謂的一天背10個單詞，一年下來就背3650個了；一個月讀三本書，一年下來整個人都博學了等等，都是Nonsense，這些鬼計劃除了把人的時間碎片化以外不會給個人帶來任何的收益。我個人信奉的生產力是Deadline。在Deadline面前，所有的矯情都會化作蒼白。所以我個人的計劃就是，儘量推掉所有無關的事情，專注於學習算導課程，並預計一個能完成的Deadline，並向著那個目標努力。所以說從17年第一天到現在，我除了吃飯睡覺外，全部時間都放在學習演算法導論上面。其原則就是：只專注於一件事情，並儘可能做得漂亮（向喬布斯致敬）。

學習目的

瞭解演算法導論梗概，並實現大部分演算法。

豆瓣上有人把CLRS通讀下來，把書本內容全部看完且看懂，用了二十個月。可見這本書絕對不是等閒之輩。所以我在最初時候目標就不是如連結串列般全部深讀，而是如跳躍表般把重要的部分理解，然後跳過並不重要的部分。由於我是帶著提高編碼能力的初衷進行學習的，所以我跳過了推理證明部分，而把精力放到了理解虛擬碼/演算法上面。這樣學習起來不會如愚公移山一般艱難，而且能學到自己感興趣的東西。

學習收穫

大部分課程中提到的演算法都實現了一遍，具體演算法如下：

插入排序；

歸併排序；

二分查詢；

快速階乘；

斐波那契數列（包括原始演算法、線性演算法、遞迴矩陣演算法）；

Strassen演算法；

堆排序；

基數排序；

中分查詢；

連結串列雜湊演算法；

開放地址雜湊演算法；

隨機化查詢；

隨機化快速排序；

二分查詢樹；

紅黑樹；

棧；

雙向連結串列；

迴圈佇列；

最長子字串問題；

圖的廣度/深度優先搜尋；

單源最短路徑Dijkstra演算法；

跳躍表。

Github地址：

https：//

github。com/hating/Intro

ductionToAlgorithms

。

歡迎來Star。

下一步目標

演算法是個很重要的東西。只要人還在計算機行業謀生，就需要繼續學習演算法。細心的讀者可以發現我並沒有實現B樹和van Emde Boas樹等等。這些都會陸陸續續放到Github上的。不過下次寫關於演算法的文章不知猴年馬月，這個專欄還是多聊聊安全吧~