- 前辅文
- 第1章 计算理论概述
- 1.1 什么是计算理论
- 1.2 计算理论研究什么
- 1.3 为什么需要计算理论
- 1.4 怎么学习计算理论
- 第2章 计算模型
- 2.1 图灵是谁
- 2.2 中国的“图灵”
- 2.3 从算盘中抽象图灵机
- 2.4 形式化地表示图灵机
- 2.5 图灵机的运行
- 2.6 图灵机的格局
- 2.7 图灵机定义与每一次计算之间的关系
- 2.8 设计图灵机实体
- 2.9 怎样解决图灵机运行结果的错误
- 2.10 图灵机如何支持各种程序的运行
- 2.11 通用图灵机和专用图灵机的实现
- 2.12 图灵机与图灵机实现之间的对应关系
- 2.13 图灵机的运行
- 第3章 可计算性与计算复杂性概述
- 3.1 不同图灵机实现的计算能力有没有差异
- 3.2 如何衡量计算能力
- 3.3 为什么所有计算机的计算能力与图灵机相同
- 第4章 可计算性
- 4.1 图灵机是否会不停机
- 4.2 停机问题的解决
- 4.3 什么是可计算性
- 4.4 判定问题与计算问题的关系
- 4.5 一个问题是否可判定的证明
- 4.6 与停机问题等价的问题
- 4.7 可判定、半可判定、不可判定之间的关系
- 4.8 可判定、不可判定是否对应可计算、不可计算
- 4.9 可计算理论的意义
- 第5章 计算复杂性
- 5.1 什么是计算复杂性
- 5.2 为什么判定性问题的算法复杂性对计算性问题同样适用
- 5.3 如何衡量复杂程度
- 5.4 非确定型图灵机和确定型图灵机的区别
- 5.5 在多项式时间内猜出NP问题的解
- 5.6 如何不猜解求解NP问题
- 5.7 非确定型图灵机与确定型图灵机是否等价
- 5.8 P问题和NP问题的关系
- 5.9 P问题和NP问题对应的计算性问题
- 5.10 把可计算问题划分成P、指数型、NP、NPC、NPH问题
- 5.11 证明一个问题是NPC问题
- 5.12 定量地表示算法的时间复杂度
- 5.13 常见的算法时间复杂度
- 5.14 非多项式时间复杂度与多项式时间复杂度
- 5.15 多项式、非多项式时间复杂度与P、NP问题的关系
- 5.16 不同时间复杂度的比较
- 5.17 复杂度的形式化表示
- 5.18 算法复杂度的本质
- 5.19 时间复杂度和空间复杂度
- 5.20 关系复杂度
- 5.21 复杂算法的分解
- 5.22 确定问题的规模n
- 5.23 在规模相等的情况下的非多项式时间和多项式时间
- 5.24 降低算法的复杂度
- 5.25 问题复杂度和算法复杂度的区分
- 第6章 图灵机的大数据应用
- 6.1 大数据的特性
- 6.2 大数据应用对图灵机的需求
- 6.3 大数据应用图灵机
- 6.4 跳板大数据应用图灵机
- 6.5 耦合大数据应用图灵机
- 6.6 先验大数据应用图灵机
- 6.7 自适应大数据应用图灵机
- 6.8 增量大数据应用图灵机
- 6.9 自动大数据应用图灵机
- 6.10 分治大数据应用图灵机
- 6.11 冗余大数据应用图灵机
- 第7章 大数据图灵机
- 7.1 大数据图灵机的基本模型
- 7.2 大数据图灵机的可计算性
- 7.3 大数据的计算复杂度、存储复杂度和数据复杂度
- 7.4 数据计算复杂度的大O表示法
- 附录1 辩证发展科研创新法
- 附录2 习题
- 附录3 模拟题库
- 参考文献