本书图文并茂、通俗易懂，详细讲解数据结构和算法进阶知识，并融入大量的竞赛实例和解题技巧，可帮助读者领悟数据结构和算法的精髓，并熟练应用其解决实际问题。 本书总计8章。第1章讲解数据结构进阶知识，涉及分块算法和跳跃表；第2章讲解字符串算法进阶知识，涉及AC自动机和后缀数组；第3章讲解树上操作，涉及树链剖分、点分治和边分治；第4章讲解复杂树，涉及KD树、左偏树、动态树和树套树；第5章讲解可持久化数据结构，涉及可持久化线段树和可持久化字典树；第6章讲解图论算法进阶知识，涉及EK算法、Dinic算法、ISAP算法、二分图匹配、最大流最小割和最小费用最大流；第7章讲解动态规划进阶知识，涉及背包问题进阶知识和树形DP进阶知识；第8章讲解复杂动态规划及其优化，涉及数位DP、插头DP、斜率优化和四边不等式优化。 本书面向对数据结

本书共13章，第1章引入了微服务架构模式语言的概述；第2章解释了为什么软件架构很重要，并描述了可用于将应用程序分解为服务的模式；第3章介绍了微服务架构中强大的进程间通信的几种模式；第4章介绍Saga模式；第5章介绍领域驱动设计（DDD）的聚合和领域事件等模式的使用；第6章介绍如何使用事件溯源模式；第7章介绍如何使用 API 组合模式或命令查询责任隔离（CQRS）模式；第8章介绍外部 API 模式；第9章和第10章介绍微服务自动化测试技术；第11章介绍开发生产就绪服务的各个方面；第12章介绍部署模式；第13章介绍绞杀者模式。

本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入大量的竞赛实例和解题技巧，可帮助读者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STL，涉及双端队列、优先队列、位图、集合、映射和STL中的常用函数；第2章讲解实用的数据结构，涉及并查集、倍增、稀疏表、区间最值查询、最近公共祖先、树状数组和线段树；第3章讲解查找算法，涉及散列表、字符串模式匹配和字典树；第4章讲解平衡树，涉及树高与性能、平衡二叉搜索树、树堆和伸展树；第5章讲解图论提高方面的知识，涉及连通图与强连通图、桥与割点、双连通分量的缩点和Tarjan算法；第6章讲解图论算法，涉及最小生成树、最短路径、拓扑排序和关键路径；第7章讲解搜索算法提高方面的知识，涉及剪枝优化、嵌套广度优先搜索、双向广度优先搜索和启发式搜索；第8章讲解动态规划

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

大模型技术掀起了新一轮人工智能浪潮，以ChatGPT 为核心的大模型相关技术可以应用于搜索、对话、内容创作等众多领域，在推荐系统领域的应用也不例外。 本书主要分为3部分。 第1部分简单介绍大模型相关技术，包括大模型的预训练、微调、在线学习、推理、部署等。 第2部分将大模型在传统推荐系统中的应用抽象为4种范式 生成范式、预训练范式、微调范式、直接推荐范式，并对每种范式给出算法原理说明、案例讲解和代码实现。 第3部分以电商场景为例，讲解大模型在电商中的7种应用，包括生成用户兴趣画像、生成个性化商品描述信息、猜你喜欢推荐、关联推荐、冷启动问题、推荐解释和对话式推荐，每种应用场景都包含完整的步骤说明和详细的代码实现，手把手教你构建大模型推荐系统。 本书适合有一定推荐系统基础，期望深入了解和学习大模型技术

本书由具有丰富编程竞赛经验的作者执笔撰写，荣获日本“2021年IT工程师图书特别大奖”。作为一本算法和数据结构的入门书，本书内容充实、深入浅出，包含了来自知名编程竞赛平台AtCoder的丰富例题和大量配以详细注释的C 代码片段，不仅系统讲解了常见的各类算法，而且还通过图解、代码和思考题的方式，致力提高读者的算法实践能力和问题解决能力。因此这既是一本入门书，能够激发初学者对算法的兴趣，又是一本注重实践的书，让想成为算法高手的读者可以在深入理解算法和数据结构的基础上，快速掌握编程思维，终身受用。 本书既适合初学算法的读者，也适合希望深入掌握各类实用算法设计技术的读者阅读和参考。

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

本书归纳了程序员面试中的经典算法题，并按照由浅入深、循序渐进的顺序讲解。本书首先讲解程序员面试时需要了解的制作简历的技巧和IT名企的面试流程，以及面试时经常忽略的代码规范性问题。然后详细分析程序的时间复杂度和空间复杂库，包括如何把控程序的实际运行时间，以及编程语言的内存管理。接着讲解数组、链表、哈希表、字符串、栈与队列、二叉树、回溯算法、贪心算法、动态规划的理论基础及其相关题目。本书采用了力扣（LeetCode）的原题，方便读者在学习算法的同时，及时练习相关代码，加深对相关概念的理解。本书适合所有程序员阅读，特别是正在准备面试的程序员。希望本书可以帮助读者循序渐进地学习算法，并搭建起知识框架，提升算法功力。

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。

区块链技术是一种全新的分布式基础架构和计算方式，本书着重阐述区块链系统中的共识算法理论及其场景应用。全书共分7章。第1章介绍区块链的发展过程和基本知识。第2～5章介绍传统分布式系统的一致性算法和典型区块链系统的共识机制，并详细介绍基于投票和信任的两种共识算法。第6章介绍融合区块链的拟态分布式安全存储系统。第7章介绍基于联盟链共识的共管共治多标识网络体系管理系统。

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

利用时间序列预测技术对数据进行统计分析，可以推测事物发展的未来趋势。然而传统的时间序列预测技术模型构建简单，对于数据包含的信息挖掘与剖析不够深入。因此，采用基于群智能优化算法的预测理论解决时间序列分析与预测问题，是近年来的研究热点之一。本书阐述了基于群智能优化算法的预测理论和方法的研究与应用问题，主要包括数据预处理技术、预测技术和优化技术。同时，本书结合多个案例介绍了不同模型在时间序列方面的应用，以及全面详细的算法对比结果分析。本书是一本良好的时间序列分析与预测研究工具书，融入了作者对时间序列分析与预测技术的创新和贡献。

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

《因果推理：基础与学习算法》从概率统计的角度入手，分析了因果推理的假设，揭示这些假设所暗示的因果推理和学习的目的。本书分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系，讨论

《算法设计编程实验（第2版）》基于作者20余年来总结的编程知识体系和行之有效的编程能力训练方法，以ACM-ICPC、IOI等各类大型程序设计竞赛的经典试题为素材编写而成，通过启发式、案例化的教学，系统、全面地培养读者编程解决问题的能力。 《算法设计编程实验（第2版）》不仅可以作为ACM-ICPC、IOI等程序设计竞赛的训练教程，亦可作为高校程序设计相关课程的实践教材以及对编程感兴趣的读者的自学读物。 《算法设计编程实验（第2版）》特色： 《算法设计编程实验（第2版）》从ACM-ICPC、IOI等各类国内外程序设计竞赛中精选300余道典型赛题，并归为AdHoc、模拟、数论、组合分析、贪心、动态规划、高级数据结构、计算几何八类，使读者掌握各类经典问题的思考方法和解题策略。 《算法设计编程实验（第2版）》将150余道试题作为范例试题，每道试题不仅有详尽