随着机器视觉技术的飞速发展，大量需要使用机器视觉代替人工检测的需求应运而生。Halcon在开发机器视觉项目中表现出的高效性和稳定性，使其应用范围非常广泛。本书将针对机器视觉的原理和算法，以及如何应用算法解决问题进行探讨和说明，并利用Halcon对各种机器视觉算法进行举例，让读者全面、深入、透彻地理解Halcon机器视觉开发过程中的各种常用算法的原理及其应用方法，提高实际开发水平和项目实战能力。同时，也为机器视觉项目的管理者提供项目管理和技术参考。 《Halcon机器视觉算法原理与编程实战》适合需要全面学习机器视觉算法的初学者，希望掌握Halcon进行机器视觉项目开发的程序员，需要了解机器视觉项目开发方法的工业客户、机器视觉软件开发项目经理、专业培训机构的学员，以及对机器视觉算法兴趣浓厚的人员阅读。

本书是算法竞赛的入门和进阶教材，包括算法思路、模板代码、知识体系、赛事相关等内容。本书把竞赛常用的知识点和竞赛题结合起来，讲解清晰、透彻，帮助初学者建立自信心，快速从实际问题入手，模仿经典代码解决问题，进入中级学习阶段。 全书分为12章，覆盖了目前算法竞赛中的主要内容，包括算法竞赛概述、算法复杂度、STL和基本数据结构、搜索技术、高级数据结构、基础算法思想、动态规划、数学、字符串、图论、计算几何。 本书适合用于高等院校开展的ICPC、CCPC等算法竞赛培训，中学NOI信息学竞赛培训，以及需要学习算法、提高计算思维的计算机工作者。

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

本书以MATLABR2020a软件为基础，详细介绍各种智能算法的原理及MATLAB在智能算法中的应用，是一本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，结合各种应用案例，详细讲解智能算法在MATLAB中的实现方法。 全书共分为3部分：第一部分为基础知识；第二部分介绍经典的智能算法及其在MATLAB中的实现方法，包括遗传算法、免疫算法、蚁群算法、粒子群算法、小波分析、神经网络算法和模糊逻辑控制等内容；第三部分详细介绍智能算法在工程中的应用，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控制器设计等内容。 本书以工程应用为目标，内容讲解深入浅出、循序渐进，既可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术人员的参

这是一本关于 高级/进阶 算法和数据结构的图书，主要介绍了用于Web应用程序、系统编程和数据处理领域的各种算法，旨在让读者了解如何用这些算法应对各种棘手的编码挑战，以及如何将其应用于具体问题，以应对新技术浪潮下的 棘手 问题。 本书对一些广为人知的基本算法进行了扩展，还介绍了用于改善优先队列、有效缓存、对数据进行集群等的技术，以期读者能针对不同编程问题选出更好的解决方案。书中示例大多辅以图解，并以不囿于特定语言的伪代码以及多种语言的代码样本加以闸释。 学完本书，读者可以了解高级算法和数据结构的相关内容，并能运用这些知识让代码具备更优性能，甚至能够独立设计数据结构，应对需要自定义解决方案的情况。 本书可作为高等院校计算机相关专业本科高年级学生以及研究生的学习用书，也可供从事与算法相关工作

本书系统、全面地介绍了用于求解**化问题的10种智能启发式算法的基本思想、设计原理及应用案例，分别为遗传算法、蚁群算法、模拟退火算法、禁忌搜索算法、大邻域搜索算法、变邻域搜索算法、迭代局部搜索算法、粒子群算法、人工免疫算法及人工神经网络。 本书可作为高等院校计算机科学与技术、人工智能等理工类相关专业本科生及研究生教材，也可作为物流管理、经济管理等管理类相关专业本科生及研究生教材。

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。

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

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

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

本书是一本借助演示动画来讲解算法和数据结构的入门书。书中首先介绍阅读本书所需的最低限度的编程知识和基本概念。然后针对各个算法和数据结构，在指出其解决的问题后，通过空间结构、数据、时间结构（算法流程）、计算4个方面详细讲解。最后介绍相关的伪代码和应用示例。本书涉及的算法与数据结构较为全面，通过基于动画的可视化、详细的介绍和伪代码三方面进行讲解，帮助读者直观掌握各算法和数据结构的动作原理。

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。

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。