算法精粹 经典计算机科学问题的Python实现

目录

第 1章　几个小问题　1

1.1　斐波那契序列　1

1.1.1　尝试第 一次递归　1

1.1.2　基线条件的运用　3

1.1.3　用结果缓存来救场　4

1.1.4　自动化的结果缓存　5

1.1.5　简洁至上的斐波那契　6

1.1.6　用生成器生成斐波那契数　7

1.2　简单的压缩算法　7

1.3　牢不可破的加密方案　12

1.3.1　按顺序读取数据　12

1.3.2　加密和解密　13

1.4　计算(　15

1.5　汉诺塔　15

1.5.1　对塔进行建模　16

1.5.2　求解汉诺塔问题　17

1.6　现实世界的应用　19

1.7　习题　20



第 2章　搜索问题　21

2.1　DNA搜索　21

2.1.1　DNA的存储方案　22

2.1.2　线性搜索　23

2.1.3　二分搜索　24

2.1.4　通用示例　26

2.2　求解迷宫问题　28

2.2.1　生成一个随机迷宫　29

2.2.2　迷宫的其他函数　30

2.2.3　深度优先搜索　31

2.2.4　广度优先搜索　35

2.2.5　A*搜索　39

2.3　传教士和食人族　44

2.3.1　表达问题　45

2.3.2　求解　47

2.4　现实世界的应用　48

2.5　习题　49



第3章　约束满足问题　51

3.1　构建约束满足问题的解决框架　52

3.2　澳大利亚地图着色问题　55

3.3　八皇后问题　58

3.4　单词搜索　60

3.5　字谜（SEND MORE=MONEY）　63

3.6　电路板布局　65

3.7　现实世界的应用　66

3.8　习题　67



第4章　图问题　69

4.1　地图就是图　69

4.2　搭建图的框架　71

4.3　查找*短路径　77

4.4　*小化网络构建成本　79

4.4.1　权重的处理　79

4.4.2　查找*小生成树　83

4.5　在加权图中查找*短路径　89

4.6　现实世界的应用　95

4.7　习题　96



第5章　遗传算法　97

5.1　生物学背景知识　97

5.2　通用的遗传算法　98

5.3　简单测试　105

5.4　重新考虑SEND MORE=MONEY问题　107

5.5　优化列表压缩算法　111

5.6　遗传算法面临的挑战　113

5.7　现实世界的应用　114

5.8　习题　115



第6章　k均值聚类　117

6.1　预备知识　117

6.2　k均值聚类算法　119

6.3　按年龄和经度对州长进行聚类　124

6.4　按长度聚类迈克尔·杰克逊的专辑　128

6.5　k均值聚类算法问题及其扩展　130

6.6　现实世界的应用　131

6.7　习题　131



第7章　十分简单的神经网络　133

7.1　生物学基础　133

7.2　人工神经网络　135

7.2.1　神经元　135

7.2.2　分层　136

7.2.3　反向传播　137

7.2.4　全貌　139

7.3　预备知识　140

7.3.1　点积　140

7.3.2　激活函数　140

7.4　构建神经网络　142

7.4.1　神经元的实现　142

7.4.2　层的实现　143

7.4.3　神经网络的实现　145

7.5　分类问题　148

7.5.1　数据的归一化　148

7.5.2　经典的鸢尾花数据集　149

7.5.3　葡萄酒的分类　152

7.6　为神经网络提速　155

7.7　神经网络问题及其扩展　156

7.8　现实世界的应用　157

7.9　习题　157



第8章　对抗搜索　159

8.1　棋盘游戏的基础组件　159

8.2　井字棋　161

8.2.1　井字棋的状态管理　161

8.2.2　极小化极大算法　164

8.2.3　用井字棋测试极小化极大算法　167

8.2.4　开发井字棋AI　168

8.3　四子棋　169

8.3.1　四子棋游戏程序　170

8.3.2　四子棋AI　175

8.3.3　用α-β剪枝算法优化极小化极大算法　177

8.4　超越α-β剪枝效果的极小化极大算法改进方案　178

8.5　现实世界的应用　179

8.6　习题　179



第9章　其他问题　181

9.1　背包问题　181

9.2　旅行商问题　186

9.2.1　朴素解法　186

9.2.2　进阶　191

9.3　电话号码助记符　191

9.4　现实世界的应用　193

9.5　习题　194

附录A　术语表　195

附录B　其他资料　201

附录C　类型提示简介　205