Para ser claros, CLRS no pretende ser un tratamiento exhaustivo del tema de los algoritmos. El propósito del libro es enseñar técnicas fundamentales para el análisis de algoritmos mientras es accesible para un estudiante junior de CS. Cualquiera de los capítulos de la última sección del libro podría ampliarse a un libro completo por separado.
Dicho esto, aquí hay algunas cosas que no creo que se mencionen o se traten seriamente:
- Algoritmos en línea y algoritmos que operan en transmisión de datos. Esto requiere un poco más de matemáticas para hablar de lo que el lector promedio del libro se sentiría cómodo.
- Algoritmos de aprendizaje automático, métodos numéricos y técnicas para la optimización no lineal. Estos requieren un tipo diferente de análisis, por lo que realmente no sería factible incluirlos y mantener el libro en un solo volumen.
- Combinatoria analítica. Nuevamente, la matemática requerida es demasiado.
- Teoría de la complejidad. Sí, hay una introducción a P vs. NP, pero es bastante superficial, y hay mucho más que puedes decir sobre el tema.
- Cosas realmente vanguardistas en estructuras de datos. Eso está más allá del alcance del libro.
- Cómo resolver la pregunta 'Mango Plantation' en Codechef
- Los números ny (n + 2) son dos números que difieren en 2. ¿Cuál es el valor medio de estos dos números?
- ¿Qué factores consideraría al crear un algoritmo para predecir cuándo los propietarios pondrán su casa en el mercado?
- ¿De dónde debo aprender los algoritmos de aprendizaje automático?
- ¿Cuál es el algoritmo más eficiente para encontrar el késimo elemento más pequeño en una matriz que tiene n elementos desordenados?
