本书以海量图解的形式，详细讲解常用的数据结构与算法，又融入大量的竞赛实例和解题技巧。通过对本书的学习，读者可掌握12种初级数据结构、15种常用STL函数、10种二叉树和图的应用，以及8种搜索技术，并领悟不同的数据结构和算法的精髓，熟练应用各种算法解决实际问题。 本书总计9章。第1章讲解C 语言基础，包括语法、函数、递归和数组；第2章讲解算法入门知识，包括算法复杂度计算、贪心算法、分治算法和STL应用；第3章讲解线性表的应用，包括顺序表、单链表、双向链表、循环链表和静态链表；第4章讲解栈和队列的应用，包括顺序栈、链栈、顺序队列和链队列；第5章讲解树的应用，包括树的存储、二叉树遍历与还原、哈夫曼编码；第6章讲解图论基础，包括图的存储、图的遍历和图的连通性；第7章讲解图的应用，包括短路径、小生成树、拓扑排序

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。*章介绍了图灵机、递归、递归可枚举等概念以及相关的定理。第二章列举了一些重要的不可判定问题，其中包括希尔伯特第十问题（丢番图整数解判定问题）的否定性结果（即马季亚谢维奇定理）和它的完整证明。第三章介绍了递归论度理论的核心概念和基本事实。在第四章中，读者可以找到递归论中经典的构造技巧 尾节扩张（算术力迫）和有穷损害优先方法。第五章简单介绍了递归论的当前热点 算法随机性理论的基本概念，其中包含马丁-洛夫随机性的几个等价刻画。本书可以作为递归论导论课程的教材，以期为进一步学习与研究递归论建立兴趣并打下基础。本书也可以帮助有兴趣的读者了解递

本书采用案例与算法程序相结合的方法，逐步引导读者深入挖掘实际问题背后的数学问题及求解方法。书中案例丰富，分析计算中巧妙结合MATLAB等软件工具，采用不太算法进行模型求解，有助于提高学生的问题求解能力。 本书可作为高等院校在校研究生、本科生及专科生 数学建模 课程的参考书，也可以作为全国大学生数学建模竞赛、美国大学生数学建模竞赛及全国研究生数学建模竞赛的培训教材，还可以作为从事复杂问题建模工作的工程技术人员的建模参考书。

演化学习利用演化算法求解机器学习中的复杂优化问题, 在实践中取得了许多成功, 但因其缺少坚实的理论基础, 在很长时期内未获得机器学习社区的广泛接受. 本书主要内容为三位作者在这个方向上过去二十年中主要工作的总结. 全书共18 章, 分为四个部分: 部分(第1～2 章) 简要介绍演化学习和一些关于理论研究的预备知识; 第二部分(第3～6章) 介绍用于分析运行时间复杂度和逼近能力这两个演化学习的基本理论性质的通用工具; 第三部分(第7～12 章) 介绍演化学习关键因素对算法性能影响的一系列理论结果, 包括交叉算子、解的表示、非精确适应度评估、种群的影响等; 第四部分(第13～18 章) 介绍一系列基于理论结果启发的具有一定理论保障的演化学习算法. 本书适合对演化学习感兴趣的研究人员、学生和实践者阅读. 书中第二部分内容或可为有兴趣进一步探索演化学习理

本书通过主人公小灰的心路历程，用漫画的形式讲述了算法和数据结构的基础知识，复杂多变的算法面试题目及算法的实际应用场景。首先介绍了算法和数据结构的总体概念，告诉大家算法是什么，数据结构又是什么，都有哪些用途，如何分析时间复杂度，如何分析空间复杂度。第二章 介绍了*基本的数据结构，包括数组、链表、栈、队列、哈希表的概念和读写操作。第三章 介绍了树和二叉树的概念、二叉树的各种遍历方式、二叉树的特殊形式二叉堆和优先队列的应用。第四章 介绍了几种典型的排序算法，包括冒泡排序、快速排序、堆排序、计数排序、桶排序。第五章 介绍了十余种职场上流行的算法面试题目及详细的解题思路。例如怎样判断链表有环、怎样计算大整数加法等。第六章 介绍了算法在职场上的一些应用，例如使用LRU算法来淘汰冷数据，使用Bitmap算法

本书示例丰富，图文并茂，以让人容易理解的方式阐释了算法，旨在帮助程序员在日常项目中更好地发挥算法的能量。书中的前三章将帮助你打下基础，带你学习二分查找、大O表示法、两种基本的数据结构以及递归等。余下的篇幅将主要介绍应用广泛的算法，具体内容包括：面对具体问题时的解决技巧，比如，何时采用贪婪算法或动态规划；散列表的应用；图算法；Kzui近邻算法。

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由Hulu的近30位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，*部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在一些领域的应用，包括计算机视觉、自然语言处理、推荐系统、计算广告、视频处理、计算机听觉、自动驾驶等。本书仍然采用知识点问答的形式来组织内容，每个问题都给出了难度级和相关知识点，以督促读者进行自我检查和主动思考。书中每个章节精心筛选了对应领域的不同方面、不同层次上的问题，相互搭配，展示深度学习的 百面 精

内 容 提 要 本书结合实际应用场景讲解数据结构和算法，涵盖常用、常考的数据结构和算法的原理讲解、代码实现和应用场景等。 本书分为11章。第1章介绍复杂度分析方法。第2章介绍数组、链表、栈和队列这些基础的线性表数据结构。第3章介绍递归编程技巧、8种经典排序、二分查找及二分查找的变体问题。第4章介绍哈希表、位图、哈希算法和布隆过滤器。第5章介绍树相关的数据结构，包括二叉树、二叉查找树、平衡二叉查找树、递归树和B 树。第6章介绍堆，以及堆的各种应用，包括堆排序、优先级队列、求Top K、求中位数和求百分位数。第7章介绍跳表、并查集、线段树和树状数组这些比较高级的数据结构。第8章介绍字符串匹配算法，包括BF算法、RK算法、BM算法、KMP算法、Trie树和AC自动机。第9章介绍图及相关算法，包括深度优先搜索、广度优先搜索、拓扑排序

本书首先系统介绍了视觉检测算法的发展及其研究现状，总结了视觉检测软件系统的体系结构与识别算法流程，然后以图像预处理、图像分割、图像变换、特征提取、图像匹配、图像分析与分类这一视觉检测流程为主线，通过粘扣带、网孔织物、坯布、导爆管、电子元器件、电子接插件、FPC 补强片、汽车锁扣、列车车辆等多类产品的视觉检测应用实例以及各种算法的实验对比分析，揭示各视觉检测算法的适用场合与优缺点，为视觉检测系统的开发以及新算法的设计提供相关指导。

本书首先系统介绍了高维多目标优化及其进化算法的发展现状与趋势、实现技术。然后针对高维多目标优化目前存在的难点，着重阐述了作者在锥形分解高维多目标进化算法方面的系统研究成果，包括锥形分解高维多目标进化算法的核心原理、设计与实现，介绍了在差异尺度、不规则前沿等一些*情形下的相应扩展处理机制设计，举例说明了其在汽车驾驶室设计等工程问题中的应用。*后进一步深入分析了锥形分解约束高维多目标优化问题及其技术概况，详细地描述了锥形分解约束高维多目标进化算法的约束处理原理、算法设计与实现，并列举了其在水资源规划等实际约束工程问题中的应用。

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)。*后，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。

网络流量识别是网络监控的关键环节，在网络管理中起着至关重要的作用，机器学习作为一种技术手段已经应用到网络流量识别过程中，并成为该领域的研究热点。基于机器学习的网络流量识别算法通过对流量行为测度的分析与度量来构建满足不同应用场景的流量识别需求模型。本书共9章，首先分析机器学习在流量识别中的意义和应用；其次对行为特征进行分析；再次系统分析非对称路由对流量识别算法的影响；最后对深度学习算法及模型进行分析研究。

协同进化算法是通过模拟大自然生态进化中的协 同进化现象而提出的仿生优化算法，是进化计算的一个新的重要分支 。李碧、郝志峰编写的这本《协同进化算法及其应用 》分为6章，分别简要介绍进化计算的发展和主要分支，阐述进化 计算理论分析的含 义和主要分析工具，综述协同进化算法的产生和发展 ，分析协同进化算法的实质，提出一种新的协同进化算法框架，并在此 框架下实现两种算 法，重点探讨协同进化算法在函数优化与图像矢量量 化中的应用。 《协同进化算法及其应用》可作为计算机科学与 技术、控制科学与工程及其相关专业的高年级本科生、研究生的参考书，也可供计算智能领 域的相关教学科 研人员和工程技术人员参考。

《MATLAB优化算法案例分析与应用》 本书全面而系统地介绍了MATLAB算法和案例应用，涉及面广，从基本操作到高级算法应用，几乎涵盖MATLAB算法的所有重要知识。本书结合算法理论和流程，通过大量案例，详解算法代码，解决具体的工程案例，让读者更加深入地学习和掌握各种算法在不同案例中的应用。 本书共32章。涵盖的内容有MATLAB基础知识、GUI应用及数值分析、MATALB工程应用实例、GM应用分析、PLS应用分析、ES应用分析、MARKOV应用分析、AHP应用分析、DWRR应用分析、模糊逼近算法、模糊RBF网络、基于FCEM的TRIZ评价、基于PSO的寻优计算、基于PSO的机构优化、基本PSO的改进策略、基于GA的寻优计算、基于GA的TSP求解、基于Hopfield的TSP求解、基于ACO的TSP求解、基于SA的PSO算法、基于kalman的PID控制、基于SOA的寻优计算、基于Bayes的数据预测、基于SOA的PID参数整

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。 本书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达式编程技术进行应用研究的学

本书共7章，内容包括枚举、递归、贪心、二分、动态规划、图论和字符串等大学生程序竞赛中的基本算法。本书注重理论与实践相结合，书中提供的程序样例较多，以便学生学以致用；内容编排力求循序渐进、由浅入深，以保证教材的易用性和可读性。本书可作为高等院校理工类相关专业的基础算法类课程教材，也可作为大学生程序竞赛中基础算法的培训教材，也可供对程序设计和算法感兴趣的普通读者学习参考。

本书围绕新基建的云计算、大数据及人工智能进行介绍，分为以下五个部分。 部分介绍大数据的概念与特点，以及典型的产业应用场景；第二部分介绍目前云计算中的一个重要的研究与应用领域 容器云，包含应用容器引擎Docker与容器编排工具Kubernetes；第三部分是大数据分析的基础，也是大数据分析技术的重点，包含Hadoop、HBase、Hive、Spark的环境搭建及开发流程；第四部分是机器学习相关算法的应用，包含scikit-learn、SparkML、TensorFlow工具的使用；第五部分，以实例介绍如何使用Spark机器学习库中的协同过滤算法，来实现一个基于Web的推荐系，以及介绍如何使用OpenCV与TensorFlow构建卷积神经网络来实现基于Web的人脸识别。 本书轻理论，重实践，适合有一定编程基础，且对云计算、大数据、机器学习、人工智能感兴趣，希望投身到新基建这一伟大事业的读者学习。同时

计算机算法是计算机科学和计算机应用的核心。本书以算法设计策略为主线，系统介绍了算法的设计方法和分析技巧。书中既涉及传统算法的实例分析，更有算法领域热点研究课题追踪，具有较高的实用价值。本书主要内容包括：递归与分治策略、动态规划算法、贪心算法、搜索算法、概率算法、 NP 完全性理论、近似算法、现代计算智能算法简介等。

在我们生活的世界中，各种各样形形色色的事物和现象，其中都必定包含着科学的成分。在这些成分中，有些是你所熟知的，有些是你未知的，有些是你还一知半解的。面对未知的世界，好奇的你是不是有很多疑惑、不解和期待呢？！“形形色色的科学”趣味科普丛书，把我们身边方方面面的科学知识活灵活现、生动有趣地展示给你，让你在畅快阅读中收获这些鲜活的科学知识！ 21世纪，飞速发展的计算机技术深入到手机、电视、数码相机、游戏机等的生活产品中。计算机都是依靠程序来运行的。为了编写出能够在计算机上运行良好的程序就必须学习计算机算法的知识。《程序语言的奥妙：算法解读》用流程图、程序语言等日常生活中经常出现的事物为工具，以图解的形式讲解了算法的相关知识，即使是不具备计算机知识的初学者，也能够轻松理解。 《程序语言