Bibliogr. przy rozdz. Indeks.

Część I. 1. Algorytmy są ważne. Postaraj się zrozumieć problem. Jeśli to konieczne, eksperymentuj. Kwestia uboczna. Nauka płynąca z opowiedzianej historii. Literatura. 2. Algorytmy w ujęciu matematycznym. Rozmiar konkretnego problemu. Tempo rośnięcia funkcji. Analiza przypadku najlepszego, średniego i najgorszego. Rodziny efektywności. Mieszanka działań. Operacje do pomiarów wzorcowych. Uwaga końcowa. Literatura. 3. Wzorce i dziedziny. Wzorce - język komunikacji. Forma wzorca pseudokodu. Forma projektowa. Forma oceny doświadczalnej. Dziedziny a algorytmy. Obliczenia zmiennopozycyjne. Ręczne przydzielanie pamięci. Wybór języka programowania. Część II. 4. Algorytmy sortowania. Przegląd. Sortowanie przez wstawianie. Sortowanie medianowe. Sortowanie szybkie. Sortowanie przez wybieranie. Sortowanie przez kopcowanie. Sortowanie przez zliczanie. Sortowanie kubełkowe. Kryteria wyboru algorytmu sortowania. Literatura. 5. Wyszukiwanie. Przegląd. Wyszukiwanie sekwencyjne. Wyszukiwanie z haszowaniem. Przeszukiwanie drzewa binarnego. Literatura. 6. Algorytmy grafowe. Przegląd. Przeszukiwania w głąb. Przeszukiwanie wszerz. Najkrótsza ścieżka z jednym źródłem. Najkrótsza ścieżka między wszystkimi parami. Algorytmy minimalnego drzewa rozpinającego. Literatura. 7. Znajdowanie dróg w AI. Przegląd. Przeszukiwania wszerz. A*SEARCH. Porównanie. Algorytm minimaks. Algorytm AlfaBeta. 8. Algorytmy przepływu w sieciach. Przegląd. Przepływ maksymalny. Dopasowanie obustronne. Uwagi na temat ścieżek powiększających. Przepływ o minimalnym koszcie. Przeładunek. Przydział zadań. Programowanie liniowe. Literatura. 9. Geometria obliczeniowa. Przegląd. Skanowanie otoczki wypukłej. Zamiatanie prostą. Pytanie o najbliższych sąsiadów. Zapytania przedziałowe. Literatura. Część III. 10. Gdy wszystko inne zawodzi. Wariacje na temat. Algorytmy aproksymacyjne. Algorytmy offline. Algorytmy równoległe. Algorytmy losowe. Algorytmy, które mogą być złe, lecz z malejącym prawdopodobieństwem. Literatura. 11. Epilog. Przegląd. Zasada: znaj swoje dane. Zasada: podziel problem na mniejsze problemy. Zasada: wybierz właściwą strukturę. Zasada: dodaj pamięci, aby zwiększyć efektywność. Zasada: jeśli nie widać rozwiązania, skonstruuj przeszukanie. Zasada: jeśli nie widać rozwiązania, zredukuj problem do takiego, który ma rozwiązanie. Zasada: pisanie algorytmów jest trudne, testowanie – trudniejsze. Część IV. Dodatek. Testy wzorcowe. Podstawy statystyczne. Sprzęt. Przykład. Raportowanie. Dokładność.