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

本书围绕黎曼流形优化发展过程中的理论前沿与热点问题，比较全面和系统地介绍了黎曼流形优化的基本原理和应用实践的最新成果。全书共7章，分为理论与应用两个部分。理论部分包括黎曼流形内涵、常用黎曼流形及其几何结构、收缩、低秩流形收缩、黎曼最速下降法、黎曼牛顿法、黎曼共轭梯度法、黎曼信赖域法和黎曼拟牛顿法等内容。应用部分包括鉴别性结构化字典学习、多源多波段图像融合、特征值问题求解（单位球面约束的Rayleigh商最小化、Stiefel流形上的Brockett函数最小化）等。本书内容新颖、体系完整，具有系统性、实用性、先进性和前瞻性。

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。

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

本书是一本充满智慧和趣味的算法入门书。没有枯燥的描述，没有难懂的公式，一切以实际应用为出发点，通过幽默的语言配以可爱的插图来讲解算法。即使你在算法方面毫无造诣，读起来也不吃力，在轻松愉悦中便掌握算法精髓，感受算法之美。

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。

本书以海量图解的形式，详细讲解常用的数据结构与算法，并结合竞赛实例引导读者进行刷题实战。通过对本书的学习，读者可掌握22种高级数据结构、7种动态规划算法、5种动态规划优化技巧，以及5种网络流算法，并熟练应用各种算法解决实际问题。 本书总计8章。第1章讲解实用数据结构，包括并查集、优先队列；第2章讲解区间信息维护与查询，包括倍增、ST、RMQ、LCA、树状数组、线段树和分块；第3章讲解字符串处理，包括字典树、AC自动机和后缀数组；第4章讲解树上操作问题，包括点分治、边分治、树链剖分和动态树；第5章讲解各种平衡二叉树，包括Treap、伸展树和SBT；第6章讲解数据结构进阶，包括KD树、左偏树、跳跃表、树套树和可持久化数据结构；第7章讲解动态规划及其优化，包括背包问题、线性DP、区间DP、树形DP、数位DP、状态压缩DP、插头DP和动态规

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

本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式，研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系，使用图学习的方式探索用户和产品的潜在关联，弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足，形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性，运用社交网络和知识图谱等辅助信息，缓解推荐系统目前面临的 数据稀疏 、 冷启动 等问题，提高推荐系统的准确性和多样性，为推荐系统技术的发展提供可参考的方向。

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

在大数据背景下，现有的经典数据挖掘算法面临计算性能的严峻挑战。本书讨论如何利用量子计算高效解决数据挖掘问题，重点针对关联规则挖掘、主成分分析、岭回归及其在视觉追踪方面的应用等若干重要的数据挖掘问题介绍相应的量子算法，分析它们的复杂度并评估它们相对经典算法的速度优势。本书适合量子算法和数据挖掘相关领域的研究人员使用，也可供感兴趣的读者阅读。