前辅文
 第1章 算法概述
  1.1 算法的概念
   1.1.1 算法的定义和特性
   1.1.2 求解问题的基本过程
   1.1.3 算法设计示例——计算最大公约数
  1.2 算法设计与分析任务
  1.3 算法分析准则
  1.4 算法分析基础
   1.4.1 常用数学术语
   1.4.2 对数与指数
   1.4.3 数学证明法
  1.5 算法复杂性分析方法
   1.5.1 复杂度函数
   1.5.2 最好､最坏和平均情况
   1.5.3 渐进分析
   1.5.4 阶的证明方法
  小结
  习题
 第2章 递归与分治策略
  2.1 递归的概念
  2.2 具有递归特性的问题
  2.3 递归过程的设计与实现
  2.4 递归算法分析
   2.4.1 替换法
   2.4.2 递归树法
   2.4.3 主方法
  2.5 分治法的基本思想
  2.6 分治法的适用条件
  2.7 分治法的基本步骤
  2.8 分治法典型示例
   2.8.1 狀 个数中求出最大/最小值
   2.8.2 快速排序
   2.8.3 大整数乘法
   2.8.4 折半查找
   2.8.5 矩阵乘法
  小结
  习题
 第3章 动态规划
  3.1 动态规划基础
   3.1.1 动态规划的基本思想
   3.1.2 动态规划的基本要素
   3.1.3 动态规划的基本步骤
   3.1.4 动态规划示例——组合数问题
  3.2 线性动态规划——合唱队形问题
  3.3 区域动态规划—— 矩阵连乘问题(最佳次序)
  3.4 背包动态规划——0-1背包问题
  3.5 树形动态规划——最优二叉搜索树
  小结
  习题
 第4章 贪婪算法
  4.1 贪婪算法基础
   4.1.1 贪婪算法的基本思想
   4.1.2 贪婪算法的基本要素
   4.1.3 贪婪算法适合的问题
   4.1.4 贪婪算法的基本步骤
   4.1.5 贪婪算法示例——背包问题
  4.2 汽车加油问题
  4.3 最优服务次序问题
  4.4 区间相交问题
  4.5 单源最短路径
  小结
  习题
 第5章 回溯法
  5.1 回溯法基础
   5.1.1 回溯法的基本思想
   5.1.2 回溯法的解空间
   5.1.3 回溯算法实现
   5.1.4 回溯法的基本步骤
   5.1.5 回溯法示例——运动员最佳配对问题
  5.2 子集和问题
  5.3 狀 皇后问题
  5.4 连续邮资问题
  5.5 哈密顿回路
  小结
  习题
 第6章 分支限界法
  6.1 分支限界法基础
   6.1.1 分支限界法的基本思想
   6.1.2 分支限界法示例——迷宫问题
   6.1.3 分支限界法的分类
  6.2 单源最短路径
  6.3 八数码问题
  6.4 旅行售货员问题
  小结
  习题
 第7章 随机算法
  7.1 随机算法基础
   7.1.1 伪随机数
   7.1.2 实例分析
  7.2 数值随机算法
  7.3 舍伍德算法
   7.3.1 基本的舍伍德型随机算法
   7.3.2 线性表的快速查找
  7.4 拉斯维加斯算法
   7.4.1 拉斯维加斯算法的基本思想
   7.4.2 用拉斯维加斯算法解狀 皇后问题
  7.5 蒙特卡罗算法
   7.5.1 蒙特卡罗算法的基本思想
   7.5.2 蒙特卡罗算法的基本概念
   7.5.3 主元素问题
   7.5.4 素数测试
  小结
  习题
 第8章 犖犘完全性理论
  8.1 计算模型
   8.1.1 计算模型的概念
   8.1.2 RAM 模型
   8.1.3 RASP模型
   8.1.4 RASP模型与RAM 模型的关系
   8.1.5 RAM 和RASP模型的简化
   8.1.6 图灵机
   8.1.7 图灵机与RAM､RASP模型的关系
  8.2 P类与 NP类问题
   8.2.1 非确定性图灵机
   8.2.2 P类与 NP类语言
  8.3 NP完全问题
   8.3.1 多项式变换与问题归约
   8.3.2 NP完全问题的定义
   8.3.3 一些典型的 NP完全问题的证明
  8.4 NP完全问题的近似算法
   8.4.1 近似算法的性能
   8.4.2 顶点覆盖问题的近似算法
   8.4.3 集合覆盖问题的近似算法
  小结
  习题
 第9章 神经网络智能算法
  9.1 神经网络简介
   9.1.1 神经网络的组成
   9.1.2 神经网络的分类
   9.1.3 神经网络的学习规则
   9.1.4 神经网络的特征
  9.2 反向传播模型及其算法
   9.2.1 BP神经网络学习算法
   9.2.2 BP神经网络的设计
   9.2.3 BP神经网络的缺点
  9.3 BP模型示例
   9.3.1 神经网络字母识别过程
   9.3.2 用BP神经网络实现两类模式分类
   9.3.3 用神经网络实现医学影像乳腺癌分类
  9.4 深度学习模型
   9.4.1 典型的深度学习模型
   9.4.2 深度学习图像应用
   9.4.3 深度学习应用案例
   9.4.4 不同领域深度学习的具体模型和进展
  小结
  习题
 附录 试题
 参考文献