第0章 人工智能與算法1 0.1　人工智能發(fā)展的水平 2 0.2　人工智能技術(shù)總覽 3 0.3　算法在人工智能技術(shù)中的地位 9 0.4　學(xué)好算法能有哪些競(jìng)爭(zhēng)優(yōu)勢(shì) 10 第1章 排序算法12 1.1　冒泡排序（Bubble Sort） 13 1.2　直接插入排序（Insert Sort） 20 1.3　直接選擇排序（Select Sort） 24 1.4　升級(jí)版冒泡排序——快速排序（Quick Sort） 26 1.5　升級(jí)版插入排序——希爾排序（Shell Sort） 29 1.6　升級(jí)版選擇排序——堆排序（Heap Sort） 31 1.7　歸并排序（Merge Sort） 34 1.8　基數(shù)排序（Radix Sort） 36 1.9　應(yīng)用：應(yīng)該使用哪種排序算法 40 1.10　高手點(diǎn)撥 42 1.11　編程練習(xí) 42 1.12　面試真題 42 第2章 查找算法43 2.1　線(xiàn)性查找（Line Search）——傻瓜式查找 44 2.2　二分查找（Binary Search）——排除另一半 44 2.3　插值查找（Insert Search）——預(yù)判位置 45 2.4　斐波那契查找（Fibonacci Search）——黃金分割法 46 2.5　樹(shù)結(jié)構(gòu)查找（Tree Search） 48 2.6　散列查找（Hash Search） 48 2.7　應(yīng)用：自實(shí)現(xiàn)indexOf函數(shù) 49 2.8　高手點(diǎn)撥 49 2.9　編程練習(xí) 50 2.10　面試真題 50 第3章 字符串算法51 3.1　樸素算法 52 3.2　KMP算法 53 3.3　Boyer-Moore算法 55 3.4　Rabin-Karp算法 59 3.5　Trie樹(shù) 59 3.6　應(yīng)用：AC自動(dòng)機(jī)算法 60 3.7　高手點(diǎn)撥 64 3.8　編程練習(xí) 65 3.9　面試真題 65 第4章 線(xiàn)性結(jié)構(gòu)66 4.1　鏈表 67 4.2　棧 72 4.3　隊(duì)列 73 4.4　應(yīng)用：逆波蘭計(jì)算器 74 4.5　高手點(diǎn)撥 81 4.6　編程練習(xí) 82 4.7　面試真題 82 第5章 樹(shù)結(jié)構(gòu)83 5.1　樹(shù)結(jié)構(gòu)概述 84 5.2　二叉樹(shù) 84 5.3　線(xiàn)索二叉樹(shù) 90 5.4　二叉查找樹(shù) 92 5.5　K近鄰算法與k-d樹(shù) 111 5.6　赫夫曼樹(shù) 119 5.7　多路查找樹(shù) 134 5.7.1　 2-3樹(shù) 134 5.7.2　B樹(shù) 140 5.7.3　B+樹(shù) 140 5.8　高手點(diǎn)撥 141 5.9　編程練習(xí) 141 5.10　面試真題 142 第6章 堆結(jié)構(gòu)143 6.1　二叉堆 144 6.2　d-堆 144 6.3　二項(xiàng)堆 145 6.4　斐波那契堆 148 6.5　左式堆 150 6.6　斜堆 152 6.7　應(yīng)用：優(yōu)先隊(duì)列 152 6.8　高手點(diǎn)撥 153 6.9　編程練習(xí) 153 6.10　面試真題 153 第7章 散列結(jié)構(gòu)154 7.1　散列概述 155 7.2　散列函數(shù)的設(shè)計(jì) 156 7.3　解決沖突 157 7.4　完美散列 160 7.5　應(yīng)用 161 7.6　高手點(diǎn)撥 162 7.7　編程練習(xí) 162 7.8　面試真題 162 第8章 圖結(jié)構(gòu)163 8.1　圖結(jié)構(gòu)概述 164 8.2　圖的存儲(chǔ) 167 8.3　圖的搜索 170 8.4　拓?fù)渑判?173 8.5　應(yīng)用：修路問(wèn)題 175 8.6　高手點(diǎn)撥 178 8.7　編程練習(xí) 179 8.8　面試真題 179 第9章 遞歸算法180 9.1　遞歸的概述 181 9.2　應(yīng)用：漢諾塔問(wèn)題 183 9.3　高手點(diǎn)撥 185 9.4　編程練習(xí) 185 9.5　面試真題 185 第10章 分類(lèi)算法186 10.1　分類(lèi)算法概述 187 10.2　決策樹(shù) 192 10.3　支持向量機(jī) 207 10.4　樸素貝葉斯算法 223 10.5　綜合案例——基于SVM算法的癌癥預(yù)測(cè) 231 10.6　高手點(diǎn)撥 235 10.7　編程練習(xí) 236 10.8　面試真題 236 第11章 回歸算法237 11.1　回歸算法概述 238 11.2　線(xiàn)性回歸算法 238 11.3　邏輯回歸算法 251 11.4　綜合案例——信用卡欺詐檢測(cè) 259 11.5　高手點(diǎn)撥 264 11.6　編程練習(xí) 266 11.7　面試真題 267 第12章 聚類(lèi)算法268 12.1　聚類(lèi)算法概述 269 12.2　K-means算法 270 12.3　K-means算法實(shí)踐 276 12.4　DBSCAN算法 284 12.5　綜合案例——圖像分割 290 12.6　高手點(diǎn)撥 292 12.7　編程練習(xí) 293 12.8　面試真題 294 第13章 降維算法295 13.1　降維算法概述 296 13.2　主成分分析 296 13.3　線(xiàn)性判別分析 306 13.4　綜合案例——基于PCA和邏輯回歸算法對(duì)鳶尾花數(shù)據(jù)集分類(lèi) 313 13.5　高手點(diǎn)撥 315 13.6　編程練習(xí) 316 13.7　面試真題 317 第14章 集成學(xué)習(xí)算法318 14.1　集成學(xué)習(xí)概述 319 14.2　Bagging算法 319 14.3　Boosting算法 321 14.4　XGBoost算法 322 14.5　綜合案例——基于XGBoost算法的客戶(hù)流失預(yù)測(cè) 335 14.6　高手點(diǎn)撥 346 14.7　編程練習(xí) 346 14.8　面試真題 347 第15章 基于價(jià)值的強(qiáng)化學(xué)習(xí)(Value-Based RL)算法348 15.1　強(qiáng)化學(xué)習(xí) 349 15.2　Q-Learning算法 351 15.3　DQN（Deep Q-Learning）算法 356 15.4　綜合案例——讓AI自主探索迷宮 363 15.5　高手點(diǎn)撥 366 15.6　編程練習(xí) 366 15.7　面試真題 366 第16章 基于策略的強(qiáng)化學(xué)習(xí)(Policy-Based RL)算法367 16.1　策略梯度（Policy Gradient）算法 368 16.2　Actor-Critic算法 377 16.3　綜合案例——超級(jí)馬里奧的實(shí)現(xiàn) 386 16.4　高手點(diǎn)撥 389 16.5　編程練習(xí) 389 16.6　面試真題 389 第17章 神經(jīng)網(wǎng)絡(luò)模型算法390 17.1　神經(jīng)網(wǎng)絡(luò)概述 391 17.2　神經(jīng)元模型和神經(jīng)網(wǎng)絡(luò)模型 392 17.3　BP神經(jīng)網(wǎng)絡(luò)算法 39 17.4　綜合案例——使用神經(jīng)網(wǎng)絡(luò)進(jìn)行回歸預(yù)測(cè) 403 17.5　高手點(diǎn)撥 407 17.6　編程練習(xí) 407 17.7　面試真題 408