本书是算法竞赛的入门和进阶教材,包括算法思路、模板代码、知识体系、赛事相关等内容。本书把竞赛常用的知识点和竞赛题结合起来,讲解清晰、透彻,帮助初学者建立自信心,快速从实际问题入手,模仿经典代码解决问题,进入中级学习阶段。 全书分为12章,覆盖了目前算法竞赛中的主要内容,包括算法竞赛概述、算法复杂度、STL和基本数据结构、搜索技术、高级数据结构、基础算法思想、动态规划、数学、字符串、图论、计算几何。 本书适合用于高等院校开展的ICPC、CCPC等算法竞赛培训,中学NOI信息学竞赛培训,以及需要学习算法、提高计算思维的计算机工作者。
本书理论结合实践,通过综合运用图、表、文字、代码、解析等多种形式深入浅出地讲解了算法思想、算法结构设计与实践应用,并为大部分章节的算法提供了有趣的竞赛真题及解析,帮助读者学习算法的核心思想,提高实践动手能力。 全书共9章,内容包括算法概述、递归算法与分治法、动态规划算法、贪心算法、搜索算法、网络流算法、随机化算法、群体智能优化算法及算法竞赛真题自测与解析。 本书配有丰富的在线资源,包括在线课堂、在线真题自测、在线考试、在线自动判题、在线解题视频等线上资源,并提供教学课件、课堂手册、课后习题参考笞案、实例源代码等教学资源,方便教师投课和开展教学活动。 本书适合作为计算机科学与技术、软件工程、人工智能、数据科学与大数据分析等专业大学生、研究生的教材。也可以作为数学建模和程序设计竞赛
《中学生计算机程序算法入门:例题精析与训练》精选Atcoder竞赛中的训练题目,初步探讨了CSP-J组认证中常见的简单算法和计算机数学问题,内容涵盖排序、枚举、模拟、二分、贪心、搜索、数据结构、动态规划、数论、组合数学等多个领域,以及C 中STL的高效使用方法。这些内容是算法竞赛中不可或缺的知识,旨在帮助读者培养计算思维,初步掌握简单算法问题的思维方法和实现技巧。
本书是一部系统论述基于生物行为模型的智能优化算法案例与实现的著作。全书共分为6章:第1 章介绍生物启发式计算的研究背景, 对传统生物启发式计算方法进行了概述;第2章介绍将层次型信息 交流拓扑结构引入人工蜂群觅食模型中的内容, 提出基于层次型信息交流机制的多蜂群协同进化优化算 法, 使用该算法在搜索过程中能够维持整个种群多样性的群落级进化, 从而克服传统单层生物启发式优化 模型的 早熟收敛 问题, 并进一步提升算法的收敛速度与收敛精度; 第3章借鉴微生物学**研究成果, 从能量变化角度对细菌构建基于生命周期的优化模型, 进一步介绍基于生命周期的菌群觅食自适应优 化算法;第4章研究如何将改进的蜂群觅食优化算法用于求解聚类问题, 将基于层次型信息交流机制 的多蜂群协同进化优化的聚类优化算法用于教学评价体系;第5章研究如何将基于 L
物联网、人工智能、大数据解析和机器人工学等,日新月异的科学技术每天都在给人类的生活带来重要的变化。身处这样的一个时代,我们面临一个选择,即怎样面对日新月异的科学技术的发展。在这样的变化中,是作为被动的一方,还是成为主动的一方,抑或是站在时代的前端成为创造的一方?这将取决于我们的选择。只要我们不想成为被动的一方,掌握编程的基本技能就是必不可少的。 本书从讲解学习编程的益处出发,向读者介绍了*好的学习编程的方法。紧接着,介绍了主要编程工具的概要和特点,包括 编程一小时 点灯机器人 Scratch 编码猴 等编程工具。了解这些编程工具后,书中又教读者使用 Scratch 从头到尾制作了一个游戏,从而提高他们的编程技能。*后,作者分析了各编程语言的特点,并为读者学习编程提供了真正有益的指导。本书讲解由浅入深,
本书主要介绍并行计算相关的算法的设计和并行计算的性能优化技巧,涵盖现代处理器的特性、衡量程序性能的方法、串行代码性能优化、并行编程模型及其环境、并行算法设计、遗留代码的并行处理、并行编程模型、混合并行等核心技法与实践技巧。
Python是一种面向对象、解释型计算机程序设计语言,其应用领域非常广泛,包括数据分析、自然语言处理、机器学习、科学计算以及推荐系统构建等。 本书用Python语言来讲解算法的分析和设计。本书主要关注经典的算法,但同时会为读者理解基本算法问题和解决问题打下很好的基础。全书共11章。分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。本书在每一章结束的时候均有练习题和参考资料,这为读者的自我检查以及进一步学习提供了较多的便利。在全书的结尾,给出了练习题的提示,方便读者进行查漏补缺。 本书概念和知识点讲解清晰,语言简洁。本书适合对Python算法感兴趣的初中级用户阅读和自学,也适合高等院校的计算机系学生作为参考教材来阅读。
本书全面系统地讲解了MATLAB金融算法分析与应用,以及金融数据挖掘中的趋向和发展趋势指标,并结合具体的机器学习算法分析,让读者深入学习和掌握MATLAB金融数据机器学习算法。本书注重实战,通过大量的案例,帮助读者更好地理解书中的内容。 本书分为2篇,共15章。主要内容有:MATLAB入门与提高、MATLAB高级应用、时间序列数据处理、量化投资趋向指标、量化投资反趋向指标、BP神经网络工具箱上证指数预测、 BP神经网络工具箱多指标预测、RBF神经网络多指标预测、Hopfield神经网络多指标预测、马尔可夫(Markov)链上证指数预测、灰色理论下的上证指数预测、指数平滑下的上证指数预测、支持向量机SVM下的涨跌预测、贝叶斯(Bayes)网络多指标预测、Pareto多目标优化分析。 本书适合所有想全面学习MATLAB 金融分析算法的人员阅读,也适合各种量化投资开发人
本书主要介绍J2EE开发过程中的轻量级框架——Spring、Struts、MyBatis,并详细介绍了这三个框架开发过程中的重点和难点。全书共13章,分别为Spring框架简介与IoC容器、SpringAOP、Spring注解、Spring安全机制、Struts2基础、Struts2核心、Struts2标签库、Struts2其他功能、MyBatis介绍、MyBatisDao开发、MyBatis配置文件、MyBatis关联查询、SSM框架集成。 本书适用于有Java编程基础的学习者。