《算法竞赛入门经典（第2版）》： 核心算法理论书，系统地讲解C/C 语言基础知识，数据结构知识，以及信息学奥赛和ACM/ICPC中的常考必考算法知识点、技巧和剖析。适合零基础的初学者学习。 《算法竞赛入门经典 训练指南》： 针对更多的算法竞赛题型进行横向拓展，提供更广范围内的算法讲解和训练， 覆盖面广，点到为止，注重代码 是该书的特点。 《算法竞赛入门经典 习题与解答》： 《算法竞赛入门经典（第2版）》的配套习题详解，针对其中的多数习题进行了算法分析和代码解析，使其更简单、易学，可快速提升读者的算法思维能力。 《算法竞赛入门经典 算法实现》： 竞赛备考工具书，ACM/ICPC/NOI等经典算法、题型全覆盖，提供240余套简洁、高效、规范的模板代码。

近百年来，由于大量计算的例子，数论学家增进了他们的直觉性。计算机和精心研制的算法逐渐导致出现了算法数论这一专门的领域。这个年轻的学科和计算机科学、密码学以及数学的其他分支有很强的联系。数学思想往往导致更好的算法，这是此学科的魅力之一；而对算法的广泛研究也促使数学新思想的产生和新问题的探索。本书包括由各领域首屈一指的专家对算法数论各个专题所写的二十篇综述性文章：前两篇文章为引论；随后的八篇文章覆盖了该领域的核心内容：因子分解、素性、光滑数、格、椭圆曲线、代数数论和算术运算的快速算法；后十篇文章就某个专门方面综述一些特殊课题，包括密码学、Arakelov 类群、计算类域论、有限域上的zeta 函数、算术几何与模形式理论。本书可供数学、计算机科学和密码学等相关专业的读者参考。

近百年来，由于大量计算的例子，数论学家增进了他们的直觉性。计算机和精心研制的算法逐渐导致出现了算法数论这一专门的领域。这个年轻的学科和计算机科学、密码学以及数学的其他分支有很强的联系。数学思想往往导致更好的算法，这是此学科的魅力之一；而对算法的广泛研究也促使数学新思想的产生和新问题的探索。本书包括由各领域首屈一指的专家对算法数论各个专题所写的二十篇综述性文章：前两篇文章为引论；随后的八篇文章覆盖了该领域的核心内容：因子分解、素性、光滑数、格、椭圆曲线、代数数论和算术运算的快速算法；后十篇文章就某个专门方面综述一些特殊课题，包括密码学、Arakelov 类群、计算类域论、有限域上的zeta 函数、算术几何与模形式理论。本书可供数学、计算机科学和密码学等相关专业的读者参考。

《群智能优化算法及其应用》以群智能优化算法中的粒子群优化（Particle Swarm Optimization，PSO）算法为主线，着重阐述了PSO算法的基本原理、改进策略，从解空间设计、粒子编码以及求解流程等方面进行了详细设计与阐述。对蚁群优化（Ant Colony Optimization，ACO）算法、人工鱼群（Artificial Fish School，AFS）算法以及新颖的人工蜂群（Artificial Bee Colony，ABC）算法和细菌觅食优化（Bacteria Foraging Optimization，BFO）算法等群智能优化算法也做了简要介绍。结合群智能优化机理，对PPI网络的功能模块聚类分析问题进行模型构建和算法设计，是《群智能优化算法及其应用》的特色所在。 《群智能优化算法及其应用》可作为人工智能、计算机科学、管理科学、系统工程、自动化、生物信息学等专业高年级本科生、研究生和教师的参考书，也可供理工科其他专业的师生参考，还可供从事优

本书共21章。章介绍底层算法整体设计与实现方法，通过模块化设计与实现，使得本书中的所有章节中形成的算法模块均可以加载到软件MHMapGIS 中并方便地进行调用；第2～4章介绍交互式的矢量、栅格、矢栅数据编辑中所涉及的底层算法设计与实现方法；第5～21章则分不同专题对不同类型的算法进行需求分析、功能设计与底层实现，并集成至MHMapGIS 的算法工具箱中，形成一系列非交互式的算法模块。

Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（Supervised Learning），无监督学习（Unsupervised Learning）和半监督学习（Semi-Supervised Learning）。而具体的问题又大致可以分两类：分类问题（Classification）和回归问题（Regression）。Python本身带有许多机器学习的第三方库，但《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。不过作为补充，《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及