《算法精粹：经典计算机科学问题的Java实现》内容简介

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