博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
谈一下ACM的入门书籍及方法
阅读量:4040 次
发布时间:2019-05-24

本文共 1320 字,大约阅读时间需要 4 分钟。

首先说一下,ACM的入门方法多种多样,大部分人还是跟着学校一起参加集训,所以我这里主要是想对那些准备ACM入门的业余的朋友谈的。

入门书籍

首先推荐一些ACM的书籍:

(以下我都会给出在当当网的页面,方便大家直接购买,以下排名不分先后)

1.《程序设计导引及在线实践》

这是我的第一本入门书,这本书是配套北大的百炼习题,注意不是POJ,貌似是北大内部测试用的,不过也是对外开放的,去年好像百炼变化过,所以[u]不知道这本书还适不适合那个新的百炼系统[/u]。

2.《算法竞赛入门经典》

这本书没话说,刘汝佳的白书,经典的算法入门书籍。[b]强烈推荐[/b]!

3.《算法艺术与信息学竞赛》

刘汝佳的黑书,难度较深,题目基本来至Uva,我是看了前面以部分,后面就没咋看了。。。

4.《算法导论》

经典的书籍是不需要解释的。
这是我曾经上传过的英文版CHM算法导论,可以下载了看看:
我最近也在写算法导论的读书总结,欢迎大家探讨:

5.《编程之美》

挺有意思的,不能作为一个算法的全面书籍,而是作为一本拓宽思维的书籍,有兴趣的建议要看看。

6.《计算机程序设计艺术》

有好几卷的,只给出一卷的连接,而且网上版本很多,大家可以自行选择。
这个还没看,关键是没时间了,准备考研完了就趁着假期看完。

7.《组合数学》

鸽巢原理,博弈,容斥原理,Catalan数等都属于这个范畴的,建议看看。

8.《数据结构(C语言版)》严蔚敏

数据结构,这个必须得学好啊~~~

9.《数据结构与算法分析C++描述(第三版)》

有时间可以看看,C++ Template写的,可以顺便巩固下template。

以下基本都没看过,不过貌似很有名,给出书名和连接:

10.《世界大学生程序设计竞赛(ACM/ICPC)高级教程.第一册.程序设计中常用的计算思维方式》
这本我其实买了,但是还没有时间看。

11.《国际大学生程序设计竞赛指南—ACM程序设计》

12.《国际大学生程序设计竞赛例题解(三)图论、动态规划算法、综合题专集》

这个好像也有好几册,每一册都是单独讲一个方面的。

13.《挑战编程:程序设计竞赛训练手册》

 

入门方法

这么多书,不可能全部都看的,我觉得前10本,也就是我看过的,都还不错,大家可以看看。
另外,我个人推荐ACM可以这样入门(以下用到了上面书籍前面的序号):(当然,如果学校有专门培训的,则跟着学校来更好)
1.数据结构是基础,建议先把8号严蔚敏老师的《数据结构》好好看1~2遍,代码都手动敲一敲。
2.再看2号刘汝佳的白书
3.去年暑假(2010.7~2010.9月),我曾经给我的论坛(C++奋斗乐园:)搞过一次ACM专题训练,训练题全部来至HDOJ,当时我是由易到难,每天选择一个专题,在HDOJ上找3~4题,然后在论坛给出题目,大家可以到HDOJ去提交,然后贴到论坛供其他朋友参考。板块是:
4.有了一定的基础,就可以再一边进行深入(看书),一边做题了。这个时候神马《算法导论》,《计算机程序设计艺术》等等都可以看看。
5.到了这个阶段,没啥说的了,自由学习~~~

最后说一句:算法魅力,无与伦比,欢迎大家来到ACM的世界!加油!

转载地址:http://wetdi.baihongyu.com/

你可能感兴趣的文章
Idea下安装Lombok插件
查看>>
zookeeper
查看>>
Idea导入的工程看不到src等代码
查看>>
技术栈
查看>>
Jenkins中shell-script执行报错sh: line 2: npm: command not found
查看>>
8.X版本的node打包时,gulp命令报错 require.extensions.hasownproperty
查看>>
Jenkins 启动命令
查看>>
Maven项目版本继承 – 我必须指定父版本?
查看>>
Maven跳过单元测试的两种方式
查看>>
通过C++反射实现C++与任意脚本(lua、js等)的交互(二)
查看>>
利用清华镜像站解决pip超时问题
查看>>
[leetcode BY python]1两数之和
查看>>
微信小程序开发全线记录
查看>>
PTA:一元多项式的加乘运算
查看>>
CCF 分蛋糕
查看>>
解决python2.7中UnicodeEncodeError
查看>>
小谈python 输出
查看>>
Django objects.all()、objects.get()与objects.filter()之间的区别介绍
查看>>
python:如何将excel文件转化成CSV格式
查看>>
机器学习实战之决策树(一)
查看>>