本书是数据结构课程的辅助教材，采用C和C 两种语言来描述数据结构，让学生在实验与习题中体会与掌握数据结构，同时培养编程能力和分析能力。主要内容包括实验与习题两大部分，用于巩固数据结构的理论知识，提高实践应用能力。本书内容立足于高校教学的要求，适用于本科院校的课程和学生群体，可作为数据结构与算法课程的辅助教材，也可作为初学数据结构读者的自学读物。

?《Unity?3D游戏开发技术详解与典型案例》对Unity?3D集成开发环境界面、脚本的编写和众多的实现进行了详细的介绍，内容深入浅出，是一本适合不同需求、不同开发水平读者的技术宝典。?全书共分10章。第1章主要介绍了Unity?3D的诞生、特点、开发环境的搭建以及运行机制；第2章对Unity?3D集成开发环境进行了详细的介绍；第3章介绍了Unity?3D中脚本的编写；第4章主要对Unity?3D开发过程中经常使用的组件及对象进行了详细的介绍；?第5章介绍了Unity开发平台的完整的物理引擎体系；第6章介绍了天空盒、虚拟按钮与摇杆、声音、光源、地形引擎、角色动画，以及角色控制器等开发常用的技术；第7章介绍了Unity?3D中的着色器和着色器语言ShaderLab；第8章介绍了PlayerPrefs类、Network?Class(网络类)，以及加速度传感器的使用；第9章介绍了完整的大型3D游戏案例3D保龄球；第10章介绍了完

《强化学习精要：核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。书中介绍的代码可以帮助读者快速将算法应用到实践中。

本书收集了约60道算法和程序设计题目，这些题目大部分在近年的笔试，面试中出现过，或者是被微软员工热烈讨论过。作者试图从书中各种有趣的问题出发，引导读者发现问题，分析问题，解决问题，寻找更优的解法。本书的内容分为下面几个部分：?游戏之乐：从游戏和其他有趣问题出发，化繁为简，分析总结。?数字之魅：编程的过程实际上就是和数字及字符打交道的过程。这一部分收集了一些好玩的对数字进行处理的题目。?结构之法：汇集了常见的对字符串、链表、队列，以及树等进行操作的题目。?数学之趣：列举了一些不需要写具体程序的数学问题，锻炼读者的抽象思维能力。书中绝大部分题目都提供了详细的解说。每道题目后面还有一至两道扩展问题，供读者进一步钻研。书中还讲述了面试的各种小故事，告诉读者微软需要什么样的技术人才，重视什么

本书基于Python语言介绍了数据结构与算法的基本知识，主要内容包括抽象数据类型和Python面向对象程序设计、线性表、字符串、栈和队列、二叉树和树、集合、排序以及算法的基本知识。本书延续问题求解的思路，从解决问题的目标来组织教学内容，注重理论与实践的并用。

很优化问题一直是计算机科学、人工智能和管理决策等领域广泛关注的一个问题。本书由浅入深地介绍了粒子群优化算法、差分进化算法、混洗蛙跳算法、人工蜂群优化算法、果蝇优化算法、人工免疫优化算法和量子衍生进化算

随着复杂网络研究的深入发展和研究领域的不断扩展，其应用日益广泛。近年来各类数学建模竞赛中，基于复杂网络的题目层出不穷，但目前大部分数学建模书籍中都没有涉及复杂网络的相关内容，而复杂网络方面的专著偏重于

?《Unity?3D游戏开发技术详解与典型案例》对Unity?3D集成开发环境界面、脚本的编写和众多的实现进行了详细的介绍，内容深入浅出，是一本适合不同需求、不同开发水平读者的技术宝典。?全书共分10章。第1章主要介绍了Unity?3D的诞生、特点、开发环境的搭建以及运行机制；第2章对Unity?3D集成开发环境进行了详细的介绍；第3章介绍了Unity?3D中脚本的编写；第4章主要对Unity?3D开发过程中经常使用的组件及对象进行了详细的介绍；?第5章介绍了Unity开发平台的完整的物理引擎体系；第6章介绍了天空盒、虚拟按钮与摇杆、声音、光源、地形引擎、角色动画，以及角色控制器等开发常用的技术；第7章介绍了Unity?3D中的着色器和着色器语言ShaderLab；第8章介绍了PlayerPrefs类、Network?Class(网络类)，以及加速度传感器的使用；第9章介绍了完整的大型3D游戏案例3D保龄球；第10章介绍了完

朱旭振编著的《基于链路预测的推荐系统--原理模型与算法/十三五科学技术专著丛书》从复杂网络角度出发，研究基于相似性链路预测的协作推荐算法。本书主要面向广大的推荐算法研究者，希望能通过本书的介绍，帮助更

《强化学习精要：核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。书中介绍的代码可以帮助读者快速将算法应用到实践中。

Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（SupervisedLearning），无监督学习（UnsupervisedLearning）和半监督学习（Semi-SupervisedLearning）。而具体的问题又大致可以分两类：分类问题（Classification）和回归问题（Regression）。Python本身带有许多机器学习的第三方库，但本书在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。不过作为补充，本书会在适当的时候应用scikit-learn这个成熟的第三方库中的模型。本书适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器的算法的程序员，以及想

《强化学习精要：核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。书中介绍的代码可以帮助读者快速将算法应用到实践中。

朱旭振编著的《基于链路预测的推荐系统--原理模型与算法/十三五科学技术专著丛书》从复杂网络角度出发，研究基于相似性链路预测的协作推荐算法。本书主要面向广大的推荐算法研究者，希望能通过本书的介绍，帮助更

很优化问题一直是计算机科学、人工智能和管理决策等领域广泛关注的一个问题。本书由浅入深地介绍了粒子群优化算法、差分进化算法、混洗蛙跳算法、人工蜂群优化算法、果蝇优化算法、人工免疫优化算法和量子衍生进化算

本书收集了约60道算法和程序设计题目，这些题目大部分在近年的笔试，面试中出现过，或者是被微软员工热烈讨论过。作者试图从书中各种有趣的问题出发，引导读者发现问题，分析问题，解决问题，寻找更优的解法。本书的内容分为下面几个部分：?游戏之乐：从游戏和其他有趣问题出发，化繁为简，分析总结。?数字之魅：编程的过程实际上就是和数字及字符打交道的过程。这一部分收集了一些好玩的对数字进行处理的题目。?结构之法：汇集了常见的对字符串、链表、队列，以及树等进行操作的题目。?数学之趣：列举了一些不需要写具体程序的数学问题，锻炼读者的抽象思维能力。书中绝大部分题目都提供了详细的解说。每道题目后面还有一至两道扩展问题，供读者进一步钻研。书中还讲述了面试的各种小故事，告诉读者微软需要什么样的技术人才，重视什么

本书是一本充满智慧和趣味的算法入门书。没有枯燥的描述，没有难懂的公式，一切以实际应用为出发点，通过幽默的语言配以可爱的插图来讲解算法。你更像是在阅读一个个轻松的小故事或是在玩一把趣味解谜游戏，在轻松愉

本书是“逻辑与形而上学教科书系列”中的一本。递归论是数理逻辑的主要分支之一。本书介绍了递归论的基础知识，以及某些有影响的问题与经典构造。本书共分5章。第一章介绍了图灵机、递归、递归可枚举等概念以及相关

《强化学习精要：核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。书中介绍的代码可以帮助读者快速将算法应用到实践中。