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

本书通过大量示例介绍了算法设计、算法的复杂度分析以及计算复杂度。主要内容有：算法设计与分析、分而治之方法、动态规划方法、贪婪方法、回溯算法、分支定界算法、计算复杂度、难解性和NP理论、遗传算法和遗传编程、数论算法、并行算法等。此外，本书在每章末尾都提供了大量练习，而且还提供了全面的教辅材料及答案，是教授和学习算法设计与分析的理想教材。

《算法新解》同时用函数式方法和传统方法介绍了主要的基本算法和数据结构，数据结构部分包括二叉树、红黑树、AVL树、Trie、Patricia、后缀树、B树、二叉堆、二项式堆、斐波那契堆、Pairing堆、队列、序列等；基本算法部分包括各种排序算法、序列搜索算法，字符串匹配算法（KMP等），深度优先、广度有限搜索算法、贪心算法以及动态规划。

本书旨在系统介绍基于Moreau?Yosida正则化的非光滑优化理论与方法，主要内容包括凸集和凸函数的概念、次梯度和Moreau?Yosida正则化有关性质；求解非光滑优化问题的束方法，以及牛顿束方法和有限记忆束方法；提出非光滑优化的共轭梯度算法，包括改进的PRP算法和改进的HS算法以及Barzilai和Borwein（BB）算法，并给出了求解大规模非光滑问题的数值案例，供读者参考；提出非光滑优化的信赖域算法，包括调和信赖域算法和投影梯度信赖域算法在非光滑问题中的应用。

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。

算法是大数据分析与处理的关键基础。本书以漫画形式轻松讲解算法的基本知识、关键应用，并以案例贯穿其中，明白易懂。将高大上的算法以明白易懂的方式说透，是本书*特色，适合与数据相关的从业人员学习、了解。本书以漫画形式轻松讲解算法的基本知识、关键应用，并以案例贯穿其中，明白易懂。

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。

本书以数据的逻辑结构为线索，介绍数据结构及其建立在数据结构之上的操作和算法，内容涉及数据结构与算法的基本概念、顺序存储结构的线性表、链式存储结构的线性表、串、数组、特殊矩阵与广义表、树与二叉树、图及其应用、查找与搜索引擎、排序等。 本书既强调“算法”与“数据结构”之间紧密的依赖关系，也注重算法描述的简洁与干练；既有完整的理论体系，也有很好的应用案例。为了增强可理解性，本书案例与生活实践相联系。 本书以知识单元为基本构件，既可拆卸也可重组，内容丰富，表述详尽，可读性强，适合不同类型的本科院校按照不同的培养规格组织教学。

本书共八章.第1章和第2章简要介绍了机器学习的基本概念、研究内容、算法体系，以及相关的优化理论与优化算法.第3章和第4章详细介绍了几类作为分类器和回归器的支持向量机算法，包括算法出发点、建模思想、理论推导和算法在数据分类、识别、拟合、预测等方面的应用.第5章和第6章着重介绍了两类常用的数据预处理方法，一类是数据的特征提取方法，另一类是数据的聚类方法.第7章和第8章介绍了几类常用的神经网络算法和数据相关分析算法. 本书可用作数据科学与大数据技术、人工智能与云计算、计算机科学与应用、数学与应用数学等本科专业中机器学习课程的教材，也可用作相关或相近学科研究生的参考教材.

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。

*部分 开始解决问题 第二部分 算法分析 第三部分 算法设计范式 第四部分 一些著名的算法 第五部分 基本数据结构 第六部分 树 第七部分 图

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

《计算机程序设计艺术》系列被公认为计算机科学领域的权威之作，深入阐述了程序设计理论，对计算机领域的发展有着极为深远的影响。本书是该系列的第2 卷，讲解半数值算法，分 *数 和 算术 两章。本卷总结了主要算法范例及这些算法的基本理论，广泛剖析了计算机程序设计与数值分析间的相互联系。 本书适合从事计算机科学、计算数学等各方面工作的人员阅读，也适合高等院校相关专业的师生作为教学参考书，对于想深入理解计算机算法的读者，是一份必不可少的珍品。