圖解算法：使用Python（第2版）

定　價：￥69.00

作　者：	吳燦銘，胡昭民著
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302598671	出版時間：	2022-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	238	字數(shù)：

內容簡介

　　本書綜合講述算法及其數(shù)據(jù)結構，內容淺顯易懂、邏輯嚴謹，范例豐富、易于學習和掌握，力求兼顧教師教學和學生自學。全書從算法的基本概念開始講解，接著介紹各個經典的算法，包括分治法、遞歸法、貪心法、動態(tài)規(guī)劃法、迭代法、枚舉法、回溯法等；隨后講述核心的數(shù)據(jù)結構，即數(shù)組、鏈表、堆棧、隊列、樹結構、圖結構、哈希表等；最后展開闡述不同數(shù)據(jù)結構上實現(xiàn)的算法，包括排序算法、查找算法、數(shù)組和鏈表相關算法、信息安全基礎算法、堆棧和隊列相關算法、樹結構相關算法、圖結構相關算法、人工智能基礎算法。本書為每個算法及其數(shù)據(jù)結構提供演算的詳細圖解，并為每個經典的算法提供Python語言編寫的完整范例程序（包含完整的源代碼）。每個范例程序都經過了測試和調試，可以直接在標準的Python語言環(huán)境中運行。在每章末尾安排大量的習題（包括各類考試的例題），并在附錄中提供解答，以供讀者自測學習效果。

作者簡介

　　吳燦銘，現(xiàn)任榮欽科技股份有限公司執(zhí)行長，美國Rochester Institute of Technology計算機科學研究所畢業(yè)，長期從事信息教育及計算機圖書寫作的工作，計算機圖書著作包括計算器概論、數(shù)據(jù)結構、辦公室電子數(shù)據(jù)處理、互聯(lián)網(wǎng)等相關題材，并監(jiān)制過多套游戲以及教學軟件的研發(fā)。

圖書目錄

目錄

第1章進入算法世界 1
1.1 運算思維簡介 2
1.1.1 分解 3
1.1.2 模式識別 3
1.1.3 模式概括與抽象 4
1.1.4 算法 4
1.2 計算思維的腦力大賽 5
1.2.1 三分球比賽燈記錄器 5
1.2.2 圖像字符串編碼 6
1.2.3 計算機繪圖指令實踐 7
1.2.4 炸彈超人游戲 7
1.3 生活中到處都是算法 8
1.3.1 算法的條件 9
1.3.2 時間復雜度 11
1.4 課后習題 13
第2章經典算法介紹 14
2.1 分治法 14
2.2 遞歸法 16
2.3 貪心法 18
2.4 動態(tài)規(guī)劃法 19
2.5 迭代法 20
2.6 枚舉法 23
2.7 回溯法 26
2.8 課后習題 31
第3章數(shù)據(jù)結構簡介 32
3.1 認識數(shù)據(jù)結構 33
3.2 常見的數(shù)據(jù)結構 35
3.2.1 數(shù)組 36
3.2.2 鏈表 38
3.2.3 堆棧 39
3.2.4 隊列 39
3.3 樹結構簡介 40
3.3.1 樹的基本概念 41
3.3.2 二叉樹 42
3.4 圖論簡介 43
3.5 哈希表 45
3.6 課后習題 46
第4章排序算法 47
4.1 認識排序 48
4.2 冒泡排序法 48
4.3 選擇排序法 51
4.4 插入排序法 53
4.5 希爾排序法 55
4.6 合并排序法 57
4.7 快速排序法 60
4.8 基數(shù)排序法 62
4.9 課后習題 65
第5章查找算法 66
5.1 順序查找法 67
5.2 二分查找法 69
5.3 插值查找法 71
5.4 斐波那契查找法 72
5.5 課后習題 76
第6章數(shù)組與鏈表相關算法 77
6.1 矩陣算法與深度學習 77
6.1.1 矩陣相加 79
6.1.2 矩陣相乘 80
6.1.3 轉置矩陣 81
6.1.4 稀疏矩陣 82
6.2 數(shù)組與多項式 84
6.3 單向鏈表算法 86
6.3.1 單向鏈表的連接功能 87
6.3.2 單向鏈表插入節(jié)點的算法 89
6.3.3 單向鏈表刪除節(jié)點的算法 94
6.3.4 對單向鏈表進行反轉的算法 97
6.4 課后習題 100
第7章信息安全基礎算法 101
7.1 數(shù)據(jù)加密 102
7.1.1 對稱密鑰加密系統(tǒng) 102
7.1.2 非對稱密鑰加密系統(tǒng)與RSA
算法 103
7.1.3 認證 104
7.1.4 數(shù)字簽名 104
7.2 哈希算法 105
7.2.1 除留余數(shù)法 105
7.2.2 平方取中法 106
7.2.3 折疊法 107
7.2.4 數(shù)字分析法 108
7.3 碰撞與溢出處理 109
7.3.1 線性探測法 109
7.3.2 平方探測法 111
7.3.3 再哈希法 111
7.3.4 鏈表 112
7.4 課后習題 117
第8章堆棧與隊列相關算法 119
8.1 以數(shù)組來實現(xiàn)堆棧 119
8.2 以鏈表來實現(xiàn)堆棧 122
8.3 漢諾塔問題的求解算法 124
8.4 八皇后問題的求解算法 129
8.5 用數(shù)組來實現(xiàn)隊列 132
8.6 用鏈表來實現(xiàn)隊列 135
8.7 雙向隊列 138
8.8 優(yōu)先隊列 141
8.9 課后習題 142
第9章樹結構相關算法 143
9.1 用數(shù)組來實現(xiàn)二叉樹 144
9.2 用鏈表來實現(xiàn)二叉樹 146
9.3 二叉樹遍歷 148
9.4 二叉查找樹 152
9.5 二叉樹節(jié)點的插入 154
9.6 二叉樹節(jié)點的刪除 156
9.7 堆積樹排序法 158

9.8 擴充二叉樹 162
9.9 哈夫曼樹 163
9.10 平衡樹 164
9.11 博弈樹 166
9.12 課后習題 167
第10章圖結構相關算法 169
10.1 圖的簡介 169
10.1.1 歐拉環(huán)與歐拉鏈 170
10.1.2 無向圖及其重要術語 171
10.1.3 有向圖及其重要術語 172
10.2 圖的數(shù)據(jù)表示法 173
10.2.1 鄰接矩陣法 173
10.2.2 鄰接鏈表法 176
10.2.3 鄰接復合鏈表法 177
10.2.4 索引表格法 178
10.3 圖的遍歷 179
10.3.1 深度優(yōu)先遍歷法 179
10.3.2 廣度優(yōu)先遍歷法 182
10.4 生成樹 185
10.4.1 Prim算法 186
10.4.2 Kruskal算法 187
10.5 圖的最短路徑法 191
10.5.1 Dijkstra算法與A*算法 191
10.5.2 Floyd算法 197
10.6 課后習題 199
第11章人工智能基礎算法 202
11.1 機器學習簡介 203
11.1.1 監(jiān)督式學習 204
11.1.2 半監(jiān)督式學習 205
11.1.3 無監(jiān)督式學習與K均值
聚類 205
11.1.4 強化學習 207
11.2 認識深度學習 209
11.2.1 人工神經網(wǎng)絡 210
11.2.2 卷積神經網(wǎng)絡 212
11.2.3 循環(huán)神經網(wǎng)絡 217
11.3 課后習題 220
附錄課后習題與解答 221