Utforskar effekterna av algoritmanalys på många områden inom och utanför datavetenskap Ett flexibelt interaktivt undervisningsformat förstärkt av ett stort urval av exempel och övningar Utvecklad från författarens egen kurs på avancerad nivå, Metoder i algoritmisk analys, presenterar ett flertal teorier, tekniker och metoder som används för att analysera algoritmer. Den ger studenterna tillgång till matematiska tekniker och metoder som är praktiska och relevanta för teoretiska aspekter av datavetenskap. Efter att ha introducerat grundläggande matematiska och kombinatoriska metoder fokuserar texten på olika aspekter av sannolikhet, inklusive ändliga mängder, slumpmässiga variabelfördelningar, Bayes sats och Chebyshevs olikhet. Den utforskar rollen av rekursioner inom datavetenskap, numerisk analys, teknik och tillämpningar av diskret matematik. Författaren beskriver sedan det kraftfulla verktyget för att generera funktioner, vilket demonstreras i uppräkningsproblem som probabilistiska algoritmer, sammansättningar och partitioner av heltal samt omblandning. Han diskuterar också den symboliska metoden, principen om inkludering och uteslutning och dess tillämpningar. Boken visar vidare hur strängar kan manipuleras och räknas, hur den ändliga tillståndsmaskinen och Markovkedjor kan hjälpa till att lösa probabilistiska och kombinatoriska problem, hur man härleder asymptotiska resultat och hur konvergens och singulariteter spelar en ledande roll i att härleda asymptotisk information från genererande funktioner. Det sista kapitlet presenterar definitionerna och egenskaperna hos den matematiska infrastruktur som behövs för att hantera genererande funktioner. Denna omfattande, klassrumstestade text, åtföljd av mer än 1000 exempel och övningar, utvecklar elevernas förståelse för den matematiska metodiken bakom algoritmanalys. Den betonar det viktiga sambandet mellan kontinuerlig (klassisk) matematik och diskret matematik, vilket är grunden för datavetenskap. Språk: Engelska