算法精粹：经典计算机科学问题的Java实现

作品简介

本书是一本面向中高级程序员的算法教程，借助Java语言，用经典的算法、编码技术和原理来求解计算机科学的一些经典问题。全书共10章，讲述了常见的搜索算法、常见的图算法、遗传算法、k均值聚类算法、简单的神经网络、对抗搜索算法等，通过丰富的方案、示例和习题展开具体实践。本书将计算机科学与应用程序、数据、性能等现实问题深度关联，定位独特，示例经典，可以帮助程序员提升用Java解决实际问题的技术、编程和应用能力。

大卫·科帕克（David Kopec），是费蒙特州伯灵顿大学香普兰学院计算机科学与创新专业的副教授。他的著作有《Classic Computer Science Problems in Python*》（Manning，2019）,《Classic Computer Science Problems in Swift》（Manning，2018）以及《Dart for Absolute Beginners》（Apress，2014）。他还是一名软件开发和播客。

作品目录

• Preface 前言
• Acknowledgements 致谢
• 第1章 一些小问题
• 1.1 斐波那契数列
• 1.2 简单的压缩算法
• 1.3 牢不可破的加密方案
• 1.4 计算π
• 1.5 汉诺塔问题
• 1.6 实际应用
• 1.7 习题
• 第2章 搜索问题
• 2.1 DNA搜索
• 2.2 迷宫求解
• 2.3 传教士和食人族问题
• 2.4 实际应用
• 2.5 习题
• 第3章 约束满足问题
• 3.1 构建约束满足问题的解决框架
• 3.2 澳大利亚地图着色问题
• 3.3 八皇后问题
• 3.4 单词搜索问题
• 3.5 字谜问题
• 3.6 电路板布局问题
• 3.7 实际应用
• 3.8 习题
• 第4章 图问题
• 4.1 地图是图的一种
• 4.2 搭建图的框架
• 4.3 查找最短路径
• 4.4 最小化网络构建成本
• 4.5 在加权图中查找最短路径
• 4.6 实际应用
• 4.7 习题
• 第5章 遗传算法
• 5.1 生物学背景
• 5.2 通用遗传算法
• 5.3 简单测试
• 5.4 回顾字谜问题
• 5.5 优化列表压缩算法
• 5.6 遗传算法面临的挑战
• 5.7 实际应用
• 5.8 习题
• 第6章 k均值聚类
• 6.1 预备知识
• 6.2k 均值聚类算法
• 6.3 按年龄和经度对州长进行聚类
• 6.4 按长度对迈克尔·杰克逊的专辑进行聚类
• 6.5k 均值聚类算法问题及其扩展
• 6.6 实际应用
• 6.7 习题
• 第7章 简单神经网络
• 7.1 生物学基础
• 7.2 人工神经网络
• 7.3 预备知识
• 7.4 构建神经网络
• 7.5 分类问题
• 7.6 加速神经网络
• 7.7 神经网络存在的问题及扩展
• 7.8 实际应用
• 7.9 习题
• 第8章 对抗搜索
• 8.1 棋盘游戏的基础组件
• 8.2 井字棋
• 8.3 四子棋
• 8.4 超越alpha-beta剪枝效果的极小化极大算法改进方案
• 8.5 实际应用
• 8.6 习题
• 第9章 其他问题
• 9.1 背包问题
• 9.2 旅行商问题
• 9.3 电话号码助记符
• 9.4 实际应用
• 9.5 习题
• 第10章 采访布赖恩·戈茨
• Appendix A 附录A 术语表
• Appendix B 附录B 更多资源