本书示例丰富，图文并茂，以简明易懂的方式阐释了算法，旨在帮助程序员在日常项目中更好地利用算法为软件开发助力。前三章介绍算法基础，包括二分查找、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，比如何时采用分而治之、贪婪算法或动态规划，哈希表的应用，图和树算法，K最近邻算法等。这一版将示例代码更新到了Python 3，并新增了两章专门讨论树，加之诸多修订，使得内容更加完善。
机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。 本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python代码阐释如何处理统计数据，进行数据分析及可视化。读者可从中学到一些核心的机器学习算法，并将其运用于某些策略性任务中，如分类、预测及推荐等。 本书适合机器学习相关研究人员及互联网从业人员学习参考。
算法是个有趣的东西 针对某个问题设计算法的时候，不会的人感觉像 大海捞针 ，而会的人则感觉像 一苇渡江 。高手的头脑里都有一张 算法地图 ，算法之间不是孤立的，而是彼此连通的。算法之间的内在联系有很多，但挖掘到根源上，就是递推与递归两种思想。本书从深度解析递推和递归这两个基本算法思想开始，用它们贯穿起了《算法导论》中的几十个经典算法，包括排序、查找、回溯、贪心、分治、动态规划、图算法等。 本书成稿自作者的教案，秉承了作者一贯的风趣幽默又不失严谨的写作风格，同时融入了学习心理学和认知科学的实践原理。作者的诸多学生在参加完以本书内容为蓝本的集训后进入了微软、脸书、亚马逊、领英、甲骨文等公司，所以本书是经过千锤百炼的一线教学成果。本书适合于所有想通过学习算法来精进自己编程能力的读者。为了倾
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
算法详解系列图书共有4卷，本书是第2卷 图算法和数据结构。本书共有6章，主要介绍了3个主题，分别是图的搜索和应用、*短路径以及数据结构。附录简单回顾了渐进性表示法。本书的每一章均有小测验、章末习题，这为读者的自我检查以及进一步学习提供了方便。 本书提供了丰富而实用的资料，能够帮助读者提升算法思维能力。本书适合计算机专业的高校教师和学生，想要培养和训练算法思维和计算思维的IT专业人士，以及正在准备面试的应聘者和面试官阅读参考。
本书通过趣味游戏编程项目讲解算法，提升读者学习算法的兴趣，降低读者学习算法的难度，增强读者将算法应用于编程实践的能力。 本书共 14 章，通过猜数字、飞翔的小鸟、得分排行榜、汉诺塔、八皇后、消灭星星、贪吃蛇、走迷宫、连连看、吃豆人、滑动拼图、井字棋、垒积木、十步万度等游戏，讲解顺序查找算法、二分查找算法，图形库 EasyX，插入排序算法、冒泡排序算法、选择排序算法、快速排序算法，递归算法，暴力搜索算法、回溯算法，FloodFill 算法，常见的数据结构（数组、链表、队列、栈、图、树）、标准模板库（STL），十字分割算法、图的广度优先搜索算法和深度优先搜索算法，加权图上的迪杰斯特拉算法、贪婪优先搜索算法、A*算法，状态空间上的搜索算法，博弈树的极大极小值搜索算法、 - 剪枝搜索算法，动态规划算法，遗传算法。 本书
算法是计算机科学领域*重要的基石之一。算法是程序的灵魂，只有掌握了算法，才能轻松地驾驭程序开发。 算法详解系列图书共有4卷，本书是第1卷 算法基础。本书共有6章，主要介绍了4个主题，它们分别是渐进性分析和大O表示法、分治算法和主方法、随机化算法以及排序和选择。附录A和附录B简单介绍了数据归纳法和离散概率的相关知识。本书的每一章均有小测验、章末习题和编程题，这为读者的自我检查以及进一步学习提供了较多的便利。 本书为对算法感兴趣的广大读者提供了丰富而实用的资料，能够帮助读者提升算法思维能力。本书适合计算机专业的高校教师和学生，想要培养和训练算法思维和计算思维的IT专业人士，以及在准备面试的应聘者和面试官阅读参考。
本书是普通高等教育"十一五 *规划教材和国家精品课程教材。全书以算法设计策略为知识单元，系统介绍计算机算法的设计方法与分析技巧。主要内容包括：算法概述、递归与分治策略、动态规划、贪心算法、回溯法、分支限界法、随机化算法、线性规划与网络流等。书中既涉及经典与实用算法及实例分析，又包括算法热点领域追踪。 为突出教材的可读性和可用性，章首增加了学习要点提示，章末配有难易适度的算法分析题和算法实现题；配套出版《计算机算法设计与分析习题解答（第5版）》；并免费提供电子课件和教学网站服务。
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。
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基础理论和方法，涉及算法程 序实现的很少。 将基本理论和计算机算法实现相结合正是本书编 写的初衷。孙玺菁、司守奎编著的《复杂网络算法与 应用》共计9章，主要涉及复杂网络静态特征，各种 网络模型，复杂网络上的传播模型和动力学分析，复 杂网络上的同步研究，复杂网络中的搜索策略，复杂 网络中的社团结构，网络层次分析法，网络博弈论。 基于Matlab给出了作者自主编写的函数和程序，并对 书中出现的大部分例题配备了程序，便于学生从理论 和求解两个角度入手学习复杂网络的相关理论，在学 习中举一反三、
为了帮助有一定编程基础的人群进一步提升自己的Python编程水平及应对编程工作的压力，《算法实例精讲 Python语言实现》全面讲解了9种经典算法理论、65个典型实例的算法设计与分析以及Python语言的代码实现过程。首先从Python数据结构基础入手，然后讲解了各种算法，包括排序算法、动态规划算法、双指针算法、深度优先搜索算法、广度优先搜索算法、贪心算法、递归算法、分治算法、回溯算法等，*后归纳了数据结构中的一些经典问题。这既能帮助初学者理清算法的基本结构，融会贯通地掌握好算法基础知识；又能帮助有一定工作经验的读者巩固基础，进一步提升编程水平；也能帮助求职者为未来面试与工作做好必要的知识储备。 《算法实例精讲 Python语言实现》理论基础与实例应用相结合，实例分析与图解相结合，每个实例均设有详细的思路解析和代码实现，
《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。
智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法 遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。
"《算法不难 》结合300多幅示意图与70个算法示例（Python实现）直观地讲述36种常用经典算法的相关知识和9种经典算法思想，帮助读者深入理解相关算法的原理与设计思想，为后续学习高级算法夯实基础。 《算法不难 》分为5章。第1章介绍算法的基本概念以及如何正确使用和设计算法等相关知识；第2章介绍排序算法的基本思想以及冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序、计数排序、桶排序和基数排序十大排序算法；第3章首先介绍图算法的基础知识，然后介绍路径搜索、广度优先搜索、深度优先搜索、最小生成树、单源最短路径、最大流等常用图算法。第4章介绍字符串处理算法的相关知识，涵盖字符串基础知识以及字符串判断、字符串匹配、字符串排序和字符串压缩等。第5章介绍枚举、递推、递归、分治、贪心、动态规划、迭代
自然语言处理是一门融语言学、计算机科学、数学于一体的学科，比较复杂，学习门槛高，但本书巧妙地避开了晦涩难懂的数学公式和证明，即便没有数学基础，也能零基础入门。 本书专注于中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。三位作者在人工智能、大数据和算法领域有丰富的积累和经验，是*、前明略数据和七牛云的资深专家。同时，本书也得到了*达摩院高级算法专家、七牛云AI实验室Leader等专家的高度评价和鼎力推荐。 全书一共11章，在逻辑上分为2个部分： *部分（第1、2、11章） 主要介绍了自然语言处理所需要了解的基础知识、前置技术、Python科学包、正则表达式以及Solr检索等。 第二部分（第5-10章） 第3~5章讲解了词法分析相关的技术，包括中文分词技术
本书系统介绍程序设计中常用的基础算法及典型案例，包括排序算法、递归算法、数论基础、组合数学基础、贪心算法、分治算法、动态规划算法和回溯算法等内容。 全书以图文并茂的方式讲解各种基础算法的分析过程，侧重于基础算法的深入理解与实践，配有大量图表辅助算法的分析过程，适用于有一定程序设计基础、尚未学习数据结构且对算法分析与设计感兴趣的算法初学者。 本书各章节配有典型案例和大量图表，既便于教师课堂讲授，也适合读者自学，可作为高等院校 程序设计基础 课程的延伸和 算法分析与设计 课程的入门教材，也可供程序设计竞赛初学者参考。
本书较为系统地介绍最优化领域中比较成熟的基本理论与方法。基本理论包括最优化问题解的必要条件和充分条件以及各种算法的收敛性理论。介绍的算法有：无约束问题的最速下降法、Newton法、拟Newton法、共辄梯度法、信赖域算法和直接法；非线性方程组和最小二乘问题的Newton法和拟Newton法；约束问题的罚函数法、乘子法、可行方向法、序列二次规划算法和信赖域算法等。还介绍了线性规划的基本理论与单纯形算法以及求解二次规划的有效集法。并简单介绍了求解全局最优化问题的几种常用算法。 作为基本工具，本书在附录中简要介绍了求解线性方程组的常用直接法和选代法以及MATLAB初步知识。
本书既清晰、简洁地介绍了标准数值分析教材所涵盖的内容，也介绍了非传统的内容，比如数学建模、蒙特卡罗方法、马尔可夫链和分形。书中选取的例子颇具趣味性和启发性，涉及现代应用领域（如信息检索和动画）以及来自物理和工程的传统主题。习题用MATLAB求解，使计算结果更容易理解。各章都简短介绍了数值方法的历史。而且还有网上资料。
本书较全面地叙述了智能控制的基本理论、方法和应用。全书共分17章，主要内容为模糊控制的基本原理和应用、神经网络控制的基本原理和应用、智能优化算法及其应用。 本书系统性强，突出理论联系实际，叙述深入浅出，适合于初学者学习。书中给出了一些智能算法的仿真实例和MATLAB仿真程序，并配有一定数量的习题和上机操作题，可作为高等院校工业自动化、计算机应用、电子工程等专业的高年级本科生和硕士研究生的教材，也适合从事工业自动化领域的工程技术人员阅读和参考。
机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 《机器学习实战》第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计
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
