稀疏建模与现代统计学、信号处理、机器学习联系密切，可以实现从相对较少的观测数据准确复原待估信号，广泛应用于图像重构、数据的参数学习模型、故障诊断、模式识别与雷达信号处理等领域。本书详细讨论了稀疏建模的相关内容，包括对稀疏解产生的问题描述、寻找稀疏解的求解算法、稀疏复原的理论成果以及应用实例等。封底文字：稀疏模型在一些科学应用领域（如基因或神经成像数据中的生物标记发现）特别有用，预测模型的可解译性是其很根本的特点。稀疏性可以极大地提高信号处理的成本效益。《稀疏建模理论、算法及其应用》一书提供了对稀疏建模领域的介绍，包括应用实例、产生稀疏解的问题描述、用于寻找稀疏解的算法以及稀疏复原领域中很近的理论成果。该书将带读者了解稀疏建模有关的近期新进展，增加对该领域的理解，激发在该领域

本书重点关注的是实用、立即可用的代码，并且广泛讨论了可移植性和特定于实现的细节。本书作者介绍了一些有用但很少被讨论的算法，它们可用于语音查找、日期和时间例程（直到公元1年）、B树和索引文件、数据压缩、任意精度的算术、校验和与数据验证，并且还最全面地介绍了查找例程、排序算法和数据结构。本书结构清晰，示例丰富，可作为广大程序员的参考用书。

本书分为上、下两篇，共10章。上篇用5章的篇幅介绍了算法和数据结构的基础知识，包括基础算法思想、简单数据结构、复杂数据结构、排序和查找算法等内容；下篇用5章的篇幅介绍了用数据结构解决实际问题的相关程序，包括解决数学问题、数据结构问题、算法经典问题等内容以及信息学奥赛部分试题的程序，一章介绍了与算法和数据结构相关的常见面试题。本书案例实用性强、结构清晰、实例代码讲解详尽，可作为大中专院校学生学习数据结构以及做课程设计的参考书，也可以作为有一定程序设计基础的程序员的参考书，还可作为参加信息学奥赛选手的参考书。

算法之大，大到可以囊括宇宙万物的运行规律；算法之小，小到寥寥数行代码即可展现一个神奇的功能。算法的应用和乐趣在生活中无处不在：历法和二十四节气计算使用的是霍纳法则和求解一元高次方程的牛顿迭代法；音频播放器跳动的实时频谱背后是离散傅立叶变换算法；DOS时代的PCX图像文件格式使用的是简单有效的RLE压缩算法；RSA加密算法的光环之下是朴实的欧几里德算法、蒙哥马利算法和米勒-拉宾算法；井字棋、黑白棋、五子棋和俄罗斯方块游戏背后是各种有趣的AI算法；华容道游戏求解的简单穷举算法中还蕴藏着对棋盘状态的哈希算法；遗传算法神秘不可测，但用遗传算法求解0-1背包问题只用了60多行代码……一本书带你走进色彩缤纷的算法世界，让你尽享算法的乐趣。

本书从群智能优化算法和高维多目标优化两方面入手，一方面系统地介绍了差分进化算法的基本原理及外研究现状，通过分析算法的模型、关键步骤及参数设置，设计和构建了高性能的改进算法，并将其应用于医学图像处理、电子商务等实际工程领域；另一方面，深入分析了高维多目标优化算法的基本原理、外研究现状及关键技术难点，详细描述了基于差分进化算法的高维多目标优化算法设计、构建与实验分析，以及其在智能交通系统中的实际应用。本书取材新颖、内容翔实、覆盖面广，案例分析具有较强的可重复性和可执行性，不仅适合于初学者，也适合自动化、计算机、信息科学等相关专业的高年级本科生和研究生、进化计算及高维多目标优化研究爱好者以及工程优化人员等。

对于任何一门编程语言来说，算法都是程序的“灵魂”。正是因为算法如此重要，所以笔者精心编写了本书，希望通过书中的内容广大读者一起探讨学习算法的奥秘，带领广大读者真正步入程序开发的世界。本书共分15章，循序渐进、由浅入深地详细讲解算法的核心内容，并通过具体实例的实现过程演练各个知识点的具体用法。本书首先详细讲解算法的基础知识，剖析了将算法称为“程序灵魂”的原因。然后详细讲解算法技术的核心内容，主要包括八大算法思想、数据结构、树、图、查找、内部排序、外部排序和文件等知识点的具体用法。接下来通过具体实例详细讲解各种算法经典问题的解决方案，主要包括解决经典的数据结构问题、解决数学问题、解决趣味问题、解决图像问题和解决奥赛问题的具体方案等。另外，书中还讲解了算法技术在现实编程项目中的作用

本书是一本简明的MATLAB优化算法综合性参考书，以MATLAB?R2016b软件版本为基础，根据常用优化算法编写，包含多种优化算法的MATLAB应用方法，是读者掌握MATLAB在优化算法中应用的有力工具。全书分为四个部分共18章，包括MATLAB应用基础、常规优化算法、智能优化算法和综合应用。部分从MATLAB基础知识开始，详细介绍编程和程序设计、二维绘图、三维绘图、GUI应用等内容；?第二部分介绍MATLAB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、多目标函数的优化方法等内容；?第三部分介绍免疫优化算法及其MATLAB实现、粒子群优化算法的MATLAB实现、遗传优化算法的MATLAB实现、小波变换的MATLAB实现、神经网络的MATLAB实现等内容；?第四部分主要介绍MATLAB在分形维数和经济金融*优化中的应用。在本书的*后，录中还给出了MATLAB基本命令的介绍

本书内容按照算法策略分为7章。第1章从算法之美、简单小问题、趣味故事引入算法概念、时间复杂度、空间复杂度的概念和计算方法，以及算法设计的爆炸性增量问题，使读者体验算法的奥妙。第2～7章介绍经典算法的设计策略、实战演练、算法分析及优化拓展，分别讲解贪心算法、分治算法、动态规划、回溯法、分支限界法、线性规划和网络流。每一种算法都有4～10个实例，共50个大型实例，包括经典的构造实例和实际应用实例，按照问题分析、算法设计、完美图解、伪代码详解、实战演练、算法解析及优化拓展的流程，讲解清楚且通俗易懂。录介绍常见的数据结构及算法改进用到的相关知识，包括sort函数、优先队列、邻接表、并查集、四边不等式、排列树、贝尔曼规则、增广路复杂性计算、zui大流zui小割定理等内容。本书可作为程序员的学习用书，也适合从未

本书主要讲解系统中的召回算法和排序算法，以及各个算法在主流工具Sklearn、Spark、TensorFlow等中的实现和应用。书中本着循序渐进的原则进行讲解。首先，介绍系统中算法的数学基础，算法的平台、工具基础，以及具体的系统。其次，讲解系统中的召回算法，主要包括基于行为相似的协同过滤召回和基于内容相似的Word2vec召回，并且介绍其在Spark、TensorFlow主流工具中的实现与应用。再次，讲解系统中的排序算法，包括线性模型、树模型和深度学习模型，分别介绍逻辑回归、FM、决策树、随机森林、GBDT、GBDT LR、集成学习、深度森林、DNN、Wide&Deep、DeepFM、YouTube等模型的原理，以及其在Sklearn、Spark、TensorFlow主流工具中的实现与应用。，介绍算法的4个实践案例，帮助读者进行工程实践和应用，并且介绍如何在Notebook上进行代码开发和算法调试，以帮助读者提升工作效率。