计算机专业应该掌握的理论知识.docVIP

首先，应该意识到数学修养的重要性。作为一个优秀的程序员，一定的数学修养是十分重要也是必要的。数学是自然科学的基础，计算机科学实际上是数学的一个分支。计算机理论其实是很多数学知识的融合，软件工程需要图论，密码学需要数论，软件测试需要组合数学，计算机程序的编制更需要很多的数学知识，如集合论、排队论、离散数学、统计学，当然还有微积分。计算机科学一个最大的特征是信息与知识更新速度很快，随着数学知识与计算机理论的进一步结合，数据挖掘、模式识别、神经网络等分支科学得到了迅速发展，控制论、模糊数学、耗散理论、分形科学都促进了计算机软件理论、信息管理技术的发展。严格的说，一个数学基础不扎实的程序不能算一个合格的程序员，很多介绍计算机算法的书籍本身也就是数学知识的应用与计算机实现手册。? 。第一部是《算法导论》，英文名称:Introduction?to?Algorithms，作者:Thomas?H.?Cormen?，Charles?E.?Leiserson?，Ronald?L.?Rivest?，Clifford?Stein。本书的主要作者来自麻省理工大学计算机，作者之一Ronald?L.Rivest?由于其在公开秘钥密码算法RSA上的贡献获得了图灵奖。这本书目前是算法的标准教材，美国许多名校的计算机系都使用它，国内有些院校也将本书作为算法课程的教材。另外许多专业人员也经常引用它。本书基本包含了所有的经典算法，程序全部由伪代码实现，这更增添了本书的通用性，使得利用各种程序设计语言进行程序开发的程序员都可以作为参考。语言方面通俗，很适合作为算法教材和自学算法之用。另一部是很多人都应该知道的Donald.E.Knuth所著《计算机程序设计艺术》，英文名称:The?Art?of?Computer?Programming。?Donald.E.Knuth人生最辉煌的时刻在斯坦福大学计算机系渡过，美国计算机协会图灵奖的获得者，是本领域内当之无愧的泰斗。有戏言称搞计算机程序设计的不认识Knuth就等于搞物理的不知道爱因斯坦，搞数学的不知道欧拉，搞化学的不知道道尔顿。被简称为TAOCP的这本巨著内容博大精深，几乎涵盖了计算机程序设计算法与理论最重要的内容。现在发行的只有三卷，分别为基础运算法则，半数值算法，以及排序和搜索(在写本文之际，第四卷已经出来了，我也在第一时间抢购了一本)。 从事这种与理论和逻辑有关的研究没有数年在逻辑和代数方面的学习功底，门都没有。 胡侃理论计算机科学的学习 　我也来冒充一回高手，谈谈学习计算机的一点个人体会。由于我是做理论的，所以先着重谈谈理论。 　　记得当年大一，刚上本科的时候，每周六课时数学分析，六课时高等代数，天天作业不断(那时是六日工作制)。颇有些同学惊呼走错了门：咱们这到底念的是什么系？不错，你没走错门，这就是(当时的)南大计算机系。系里的传统是培养做学术研究，尤其是理论研究的人。而计算机的理论研究，说到底了就是数学，虽然也许是正统数学家眼里非主流的数学。 　　数学分析这个东东，咱们学计算机的人对它有很复杂的感情。爱它在于它是第一门，也是学分最多的一门数学课，又长期为考研课程。94以前可以选考数学分析与高等代数，以后则并轨到著名的所谓“工科数学一”。其重要性可见一斑。恨它则在于它好像难得有用到的机会，而且思维跟咱们平常做的这些离散/有限的工作截然不同。当年出现的怪现象是：计算机系学生的高中数学基础在全校数一数二(希望没有冒犯其它系的同学)，教学课时数也仅次于数学系，但学完之后的效果却几乎是倒数第一。其中原因何在，发人深思。 　　我个人的浅见是：计算机类的学生，对数学的要求固然跟数学系不同，跟物理类差别则更大。通常非数学专业的所谓“高等数学”，无非是把数学分析中较困难的理论部分删去，强调套用公式计算而已。而对计算机系来说，数学分析里用处最大的恰恰是被删去的理论部分。说得难听一点，对计算机系学生而言，追求算来算去的所谓“工科数学一”已经彻底地走进了魔道。记上一堆曲面积分的公式，难道就能算懂了数学分析？ 　　中文的数学分析书，一般都认为以北大张筑生老师的“数学分析新讲”为最好。我个人认为南大数学系的“数学分析教程”也还不错，至少属于典型的南大风格，咱们看着亲切。随便学通哪一本都行。万一你的数学实在太好，这两本书都吃不饱，那就去看菲赫金哥尔茨的“微积分学教程”好了——但我认为没什么必要，毕竟你不想转到数学系去。 　　吉米多维奇的“数学分析习题集”也基本上是计算型的东东。如果你打算去考那个什么“工科数学一”，可以做一做。否则，不做也罢。 中国的所谓高等代数，就等于线性代数加上一点多项式理论。我以为这有好的一面，因为可以让学生较早感觉到代数是一种结构，而非一堆矩阵翻来覆去。当年我们用林成森，盛松柏两位老师编的“高等代数”，感觉相当舒服