本书翻译自Sam R.Alapati的Expert Hadoop Administration。Sam R.Alapati是Sabre公司的首席Hadoop管理员，具有多年的Hadoop运维管理经验。他希望通过本书，为Hadoop集群开发与管理人员提供一些有益指导。从事Hadoop的管理工作，首先要了解Hadoop的架构，只进行单纯的操作并不能被称为合格的管理员。基于此，本书在介绍Hadoop及其生态组件时，都会首先介绍其架构，以期读者能够在更高的层次认识管理工作。本书首先介绍了Hadoop的整体架构及其部署与使用；然后着重介绍了两个重要的计算引擎MapReduce与Spark；接着介绍了Hadoop的数据存储与安全、数据均衡等特性；很后则介绍了如何进行参数调优与故障排除。整个流程下来，读者能够建立起完整的关于Hadoop管理的体系架构。

本书(作者周培德)系统地介绍了计算几何中的基本概念、求解诸多问题的算法及复杂性分析，概括了求解几何问题所特有的许多思想方法、几何结构与数据结构。全书共分10章，包括：预备知识，几何查找(检索)，多边形，凸壳及其应用，Voronoi图、三角剖分及其应用，交与并及其应用，多边形的获取及相关问题，几何体的划分与等分，路径与回路，几何拓扑网络设计等。 本书可作为高等院校计算机、自动化等专业研究生或本科高年级学生的或教学参考书，也可供软件开发人员、相关专业科技工作者参考。

卓越的软件架构师从何而来？所有程序员都有成为架构师的潜力，只要掌握了架构师的思维方式和工作方法，你也能成长为架构师。《架构师修炼之道》教你像架构师那样思考问题、理解需求、设计架构、评估结果、编写文档。本书不但通过真实案例讲解架构设计流程和经验，还总结了丰富的架构师工作原则和技巧，尤其适合广大程序员进阶学习。同时也有助于产品经理、测试人员、运维人员和其他行业从业者理解软件架构设计工作。

信息安全对密码提出了越来越高的要求。作为密码学重要组成部分的密码体制，近十几年来取得了长足的发展。本书根据密码的加密原理，分为4章，即分组密码、Hash函数、序列密码、P1363公钥标准简介，通过图表的方式对每种加密算法的原理进行了展示，并给出了部分加密算法的伪代码，具有很强的实用性。

《群智能优化算法及其应用》以群智能优化算法中的粒子群优化（Particle Swarm Optimization，PSO）算法为主线，着重阐述了PSO算法的基本原理、改进策略，从解空间设计、粒子编码以及求解流程等方面进行了详细设计与阐述。对蚁群优化（Ant Colony Optimization，ACO）算法、人工鱼群（Artificial Fish School，AFS）算法以及新颖的人工蜂群（Artificial Bee Colony，ABC）算法和细菌觅食优化（Bacteria Foraging Optimization，BFO）算法等群智能优化算法也做了简要介绍。结合群智能优化机理，对PPI网络的功能模块聚类分析问题进行模型构建和算法设计，是《群智能优化算法及其应用》的特色所在。 《群智能优化算法及其应用》可作为人工智能、计算机科学、管理科学、系统工程、自动化、生物信息学等专业高年级本科生、研究生和教师的参考书，也可供理工科其他专业的师生参考，还可供从事优

近百年来，由于大量计算的例子，数论学家增进了他们的直觉性。计算机和精心研制的算法逐渐导致出现了算法数论这一专门的领域。这个年轻的学科和计算机科学、密码学以及数学的其他分支有很强的联系。数学思想往往导致更好的算法，这是此学科的魅力之一；而对算法的广泛研究也促使数学新思想的产生和新问题的探索。本书包括由各领域首屈一指的专家对算法数论各个专题所写的二十篇综述性文章：前两篇文章为引论；随后的八篇文章覆盖了该领域的核心内容：因子分解、素性、光滑数、格、椭圆曲线、代数数论和算术运算的快速算法；后十篇文章就某个专门方面综述一些特殊课题，包括密码学、Arakelov 类群、计算类域论、有限域上的zeta 函数、算术几何与模形式理论。本书可供数学、计算机科学和密码学等相关专业的读者参考。

类别不平衡学习是机器学习与数据挖掘领域的重要分支之一，其在很多应用领域中均发挥着重要作用。本书首先系统地介绍了与类别不平衡学习相关的一些基础概念及理论(第1、2章)，进而在上述理论的基础上，讨论了一些主流的类别不平衡学习技术及对应算法，具体包括样本采样技术(第3章)、代价敏感学习技术(第4章)、决策输出补偿技术(第5章)、集成学习技术(第6章)、主动学习技术(第7章)及一类分类技术(第8章)等。此外，也探讨了样本不平衡分布的危害预评估技术(第9章)。，对该领域未来的发展方向及应用前景做出了评述与展望(第10章)。本书可作为高等院校与研究院所计算机、自动化及相关专业研究生的课外阅读书籍，也可供对机器学习及数据挖掘感兴趣的研究人员和工程技术人员阅读参考。

基因表达式编程是在继承和发展遗传算法与遗传编程优点的基础上发展起来的遗传计算家族中的新成员，是借鉴生物遗传的基因表达规律提出的搜索和知识发现新技术。研究已表明，它在很多领域具有比遗传算法和遗传编程更强的解决问题的能力。全书共分四部分（14章）。部分介绍了基因表达式编程产生的相关背景；第二部分系统地阐述了基因表达式编程的基本概念、基本原理、基本算法和理论分析；第三部分着重讨论了基因表达式编程算法的拓展和改进；第四部分重点介绍了基因表达式编程在知识发现等多个领域中的典型应用。《基因表达式编程算法原理与应用》可作为高等院校计算机科学与技术、软件工程等相关专业高年级本科生的选修教材和数据挖掘、智能计算等方向研究生参考教材，特别是可作为所有拟对基因表达式编程技术进行深入研究或借助基因表