本书共13章，依次讲述程序设计基础、算法基础、排序、查找、搜索、字符串匹配、图论、动态规划、高级数据结构、数论、组合数学、计算几何基础、博弈论。 书中提供了大量习题和答案供读者学习使用。 本书可作为高等学校计算机相关专业算法设计类课程的教材，也可供对算法设计、程序设计竞赛感兴趣的读者自学使用。

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

本书是一本面向问题求解的计算机算法普及读物。笔者挑选了24个问题，有些属于计算机科学中的经典，有些则来自游戏等其他领域的场景，旨在提供一个不同于普通算法教科书的视野。在相关求解算法的介绍上大体遵循问题导入、算法思路、算法描述和算法分析的思路，从而使得对每一个问题和算法的讨论相对独立。全书可以任意顺序选读。 本书适合受过高中及其以上教育的读者，适合作为中学信息技术课程改革和大学计算机基础课的教学参考书，也有助于曾经学过计算机相关课程的读者加深关于算法的认识。

本书基于MATLAB 2020a软件，根据常用优化算法进行编写，包含多种优化算法的MATLAB实现方法，可以帮助读者掌握MATLAB在优化算法中的应用。 全书分为4部分，包括MATLAB基础知识、常规优化算法、智能优化算法和拓展应用。第一部分从初识MATLAB开始详细介绍MATLAB基础、程序设计、图形绘制等内容；第二部分介绍线性规划、非线性规划、无约束一维极值、无约束多维极值、约束优化方法、二次规划、多目标优化方法的MATLAB实现；第三部分介绍遗传算法、免疫算法、粒子群优化算法、小波变换、神经网络等在MATLAB中的实现；第四部分介绍MATLAB在分形维数和经济金融优化中的应用。 本书以MATLAB优化实现为主线，结合各种优化算法函数的说明、优化模型案例的讲解，使读者易看懂、会应用。本书讲解翔实，深入浅出，既可作为高等院校数学建模和数学实验的参考教材，也可作

这是一本可帮助读者深度理解并全面掌握ClickHouse运行原理并进行实践开发的工具书，涵盖了ClickHouse的时代背景、发展历程、核心概念、基础功能、运行原理、实践指导等多个维度的内容，尤其是在ClickHouse*核心的部分 MergeTree表引擎与分布式方面，书中对其实现原理和应用技巧进行了详细解读。 本书采用浅显易懂的语言 大量演示案例 大量示意图例的形式呈现，以求让读者在*短的时间内，以*舒服的方式，获得*核心的知识。本书的理论观点来自作者在OLAP领域10余年的工作思考与总结；功能与实操的素材来自作者在工作中对ClickHouse的深度应用与实践；原理解析部分的素材来自对大量专业文献的钻研与源码级的调试与解读。 本书在逻辑上分为三大部分： 第1~2章从宏观的角度出发，描述了时代背景、ClickHouse的发展历程及其核心特点。其中，对MOLAP、ROLAP和HORAP三

本书定位于夯实数学建模基础，采用主流编程方法和简洁代码实现常用的数学建模算法，以案例为导向，围绕数学建模知识体系展开。全书分5篇，共11章。前两章是数学建模基础篇，包括数学建模介绍、数学建模的一般流程（初等模型）、如何从算法到编程实现（层次分析法与自定义函数）；接着按算法板块组织内容，包括微分方程模型篇（人口模型、传染病模型）、优化模型篇（规划模型、投资优化策略、优化模型进阶）、评价模型篇（经典评价模型、模糊理论）、预测模型篇（常规预测模型、时间序列分析）。本书有配套源码资源和电子课件。 本书可作为高等院校数学建模的入门教材，也可作为数学建模指导教师的参考资料，还可作为其他相关行业人员、科研人员使用数学模型解决实际问题的参考用书。

本书介绍在嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习

本书首先从迁移学习采用的技术出发，系统地介绍每一类迁移学习算法，包括基于非负矩阵分解、概率模型、传统深度学习、对抗深度学习、模型融合以及图神经网络等的迁移学习算法。针对每一类算法，从问题定义、算法原理、算法流程等方面重点进行介绍。然后针对迁移学习的应用场景，介绍典型的应用案例。后，介绍迁移学习在百度飞桨平台上的实践。本书旨在让迁移学习或者相关领域研究人员系统地掌握迁移学习的各类算法，熟悉各类应用场景，为迁移学习落地实践提供指导和帮助。

本书主要介绍机器视觉系统的概念、原理、视觉系统组成、数字图像处理算法及视觉应用，共分为三部分：第一部分快速入门，介绍了机器视觉系统的组成、图像采集系统；第二部分图像处理算法，介绍了视觉图像处理相关算法及应用；第三部分机器视觉应用，介绍了机器视觉的典型应用案例。全书理论联系实际，从图像采集部分开始到数字图像处理部分，除了介绍相关的理论知识外，结合具体的实际案例以及HALCON 编程，提供了明确的使用方法。对每一种数字图像处理算法在机器视觉系统中的应用，都通过实例说明了具体的应用方法和注意事项，并通过具体案例的学习加深对内容的理解。本书可作为图像处理、机器视觉或计算机视觉相关科研人员和工程技术人员的参考用书，也可作为高等教育学校相关专业的教材使用，也适用于对图像处理、机器视觉或计算机视

本书通过算法所解决的现实世界的实例来介绍各种算法的思想和技术细节。算法用伪代码给出，使得后续可以很容易地用一种计算机语言来实现。

本书是用轻松有趣的方法学习算法的入门指南。按照算法策略分为8章。第1章以算法之美、趣味故事引入算法，讲解算法复杂度的计算方法，以及爆炸性增量问题。2～7章讲解经典算法，包括贪心算法、分治算法、动态规划算法、回溯法、分支限界法、网络流算法。第8章讲解实际应用中的算法和高频面试算法，包括启发式搜索、敏感词过滤、LRU算法、快慢指针、单调栈、单调队列、零钱兑换、股票交易等。每一种经典算法都有4～8个实例，多数按照问题分析、算法设计、完美图解、算法详解、算法分析及优化拓展的流程进行讲解。全书讲解清晰，通俗易懂，紧扣工程教育认证的要求和实用性，力求满足新工科人才培养的需要。 本书为河南省 十四五 普通高等教育规划教材，提供了丰富的教学资源与答疑服务，包括源代码、课件、教案、习题、在线答疑和在线测试系

本书全面、系统地总结了在准备程序员面试过程中的数据结构与算法。本书首先详细讨论整数、数组、链表、字符串、哈希表、栈、队列、二叉树、堆和前缀树等常用的数据结构，然后深入讨论二分查找、排序、回溯法、动态规划和图搜索等算法。除了介绍相应的基础知识，每章还通过大量的高频面试题系统地总结了各种数据结构与算法的应用场景及解题技巧。本书适合所有正在准备面试的程序员阅读。无论是计算机相关专业的应届毕业生还是初入职场的程序员，本书总结的数据结构和算法的基础知识及解题经验都不仅可以帮助他们提高准备面试的效率，还可以增加他们通过面试的成功率。

内容介绍 本书基于Python全面介绍了机器学习在信贷风控领域的应用与实践，从原理、算法与工程实践3个维度全面展开，包含21种实用算法和26个解决方案。 作者是智能风控、人工智能和算法领域的专家，曾在多家知名金融科技企业从事风控算法方面的研究与实践，经验丰富，本书得到了风控领域9位专家的高度评价。 全书一共8章，每个章节都由问题、算法、案例三部分组成，具有系统性和实战性。 第1-2章讲解了信贷业务的基础知识以及常用的规则引擎、信用评估引擎的建模方法。 第3章以项目冷启动为背景，讲解了风控领域应用广泛的迁移学习方法。 第4-5章介绍了幸存者偏差与不均衡学习中所使用的无监督学习与半监督学习方法。 第6章阐述了无监督的异常识别算法，该算法常用于数据清洗与冷启动项目，是反欺诈引擎中常用的个体欺诈检测方法。 第7章分享了一

本书以*推出的MATLAB 2016a软件为基础，详细介绍了各种智能算法的原理及其MATLAB在智能算法中的应用，是一种MATLAB智能算法设计的综合性参考书。全书以智能算法原理及MATLAB应用为主线，结合各种应用实例，详细讲解了智能算法的MATLAB实现。全书分为两部共13章，*部分首先从人工智能概述开始，详细介绍了神经网络算法、粒子群算法、遗传算法、模糊逻辑控制、免疫算法、蚁群算法、小波分析算法及其MATLAB的实现方式等内容； 第二部分详细介绍了智能算法的工程中的应用问题，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的PID控制和智能算法的综合应用等。本书以工程应用为目标，内容深入浅出，讲解循序渐进，既可以作为高等院校理工科相关专业研究生、本科生的教材，也可作为广大科研工程技

本书是《漫画算法：小灰的算法之旅》的续作，通过主人公小灰的心路历程，用漫画的形式讲述了多个数据结构、算法及复杂多变的算法面试题目。 第1章介绍了几种典型的排序算法，包括选择排序、插入排序、希尔排序、归并排序、基数排序。 第2章介绍了"树 结构的高级应用，包括二叉查找树、AVL树、红黑树、B树和B 树。 第3章介绍了"图 结构的概念，以及深度优先遍历、广度遍历、单源Z短路径、多源Z短路径算法。 第4章介绍了"查找 相关的算法和数据结构，包括二分查找算法、RK算法，KMP算法，以及"跳表 这种用于高效查找的数据结构。 第5章介绍了多种职场上流行的算法面试题目及详细的解题思路。例如螺旋遍历二维数组、寻找数组中第k大元素、求股票交易的Z大收益等等。

《统计自然语言处理（第2版）》全面介绍了统计自然语言处理的基本概念、理论方法和新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。 《统计自然语言处理（第2版）》可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等研究的相关人员参考。

本书主要内容由七个章节组成，章为区块链基本内容介绍区块链的基本概念以及原理。第二章为共识算法基础介绍区块链技术作用的分布式系统的组成结构和特点，共识问题的起源以及共识算法的分类。第三章为分布式一致性共识算法及应用介绍在分布式系统中共识算法的类型及运用。第四章为典型区块链共识算法及应用介绍PoW、PoS、DPoS、PBFT和Ripple几种共识算法的基本概念、算法流程、安全性和典型运用。第五章为业务共识算法及典型应用介绍业务共识算法的基本概念和相关应用场景。第六章为针对共识算法的攻击介绍各典型区块链共识算法存在的问题和漏洞，针对不同共识机制的攻击方法。第七章为共识算法的改进和发展方向介绍根据存在的漏洞而对共识算法的改进以及区块链共识算法的发展方向和路线。

本书凝聚了作者多年的Python教学经验，内容通俗易懂，旨在剖析递归及其本质。本书不仅结合Python程序和 JavaScript 程序讲述编程的基础知识，还讲述如何利用递归算法计算阶乘，计算斐波那契数列，遍历树，求解迷宫问题，实现二分搜索，完成快速排序和归并排序，计算大整数乘法，计算排列和组合，解决八皇后问题等。 本书不仅适合开发人员阅读，还可供计算机相关专业的师生参考。

集成学习方法是一类先进的机器学习方法，这类方法训练多个学习器并将它们结合起来解决一个问题，在实践中获得了巨大成功。全书分为三部分。*部分主要介绍集成学习的背景知识；第二部分主要介绍集成学习方法的核心知识，包括Boosting、Bagging、Random Forests等经典算法，平均、投票和Stacking等模型和方法、相关理论分析工作，以及多样性度量和增强方面的进展。第三部分介绍集成学习方法的进阶议题，包括集成修剪、聚类集成和集成学习方法在半监督学习、主动学习、代价敏感学习、类别不平衡学习，以及提升可理解性方面的进展。此外，本书还在每章中的 拓展阅读 部分提供了相关的进阶内容。本书适合对集成学习方法感兴趣的研究人员、学生和实践者阅读。

大多数软件开发人员在复杂的代码上浪费了大量的时间。《整洁代码的艺术》提出的九大原则将教会您如何编写清晰、可维护且功能完备的代码。本书的指导原则很简单：缩减和简化，将精力投入到重要的工作上，省下大量的时间，卸下代码维护的重担。 热销书作者克里斯蒂安 迈尔在本书中利用他的经验帮助许多程序员完善他们的编码技能。他给出专业建议和真实例子，展示如何：利用80/20原则，专注于重要任务 要紧的那20%代码；避免孤立编码，创建小可行产品，获得早期反馈；编写整洁、简单的代码，排除混乱；避免导致代码过度复杂的过早优化；平衡您的目标、能力与反馈，达到高产出的心流状态；应用 做好一件事 哲学，极大地提升代码功能；利用 少即是多 哲学，设计有效用户界面；用 专注 原则贯穿所学的这些新技能。 本书采用Python作为示例语言，但

本书以智能算法为背景，全面地介绍了人工智能的各种算法，本书内容以理论为基础，以应用为主导，循序渐进地向读者揭示怎样利用智能算法解决实际问题。全书共11章主要内容包括MATLAB语言入门、插值算法与曲线拟合、灰色系统理论、傅里叶变换和小波变换、经验模态分解算法、模糊逻辑控制算法、滑模变结构控制、神经网络基本理论、支持向量机、粒子群算法、蚁群算法、模拟退火算法等。 本书可作为高校本科生和研究生的学习用书，也可作为科研人员、学者、工程技术人员的相关参考用书。

作者莱维汀基于丰富的教学经验，开发了一套全 新的算法分类方法。该分类法站在通用问题求解策略 的高度，对现有大多数算法准确分类，从而引领读者 沿着一条清晰、一致、连贯的思路来探索算法设计与 分析这一迷人领域。本书作为第3版，相对前版调整 了多个章节的内容和顺序，同时增加了一些算法，并 扩展了算法的应用，使得具体算法和通用算法设计技 术的对应更加清晰有序；各章累计增加了70道习题， 其中包括一些有趣的谜题和面试问题。 《算法设计与分析基础（第3版）》十分适合用作 算法设计和分析的基础教材，也适合任何有兴趣探究 算法奥秘的读者使用，只要读者具备数据结构和离散 数学的知识即可。

《集成学习入门与实战：原理、算法与应用》通过6章内容全面地解读了集成学习的基础知识、集成学习技术、集成学习库和实践应用。其中集成学习技术包括采样、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、随机森林、决策树等，从混合训练数据到混合模型，再到混合组合，逻辑严谨、逐步讲解；同时也对ML-集成学习、Dask、LightGBM、AdaNet等集成学习库相关技术进行了详细解读；后通过相关实践对集成学习进行综合性应用。本书配有逻辑框图、关键代码及代码分析，使读者在阅读中能够及时掌握算法含义和对应代码。 本书适合集成学习的初学者和机器学习方向的从业者和技术人员阅读学习，也适合开设机器学习等算法课程的高等院校师生使用。

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

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。