本书旨在帮助读者筑牢数据结构和算法的基础，提升职场竞争力。本书代码采用Java语言编写，分为上、下两篇，共15章。其中，第1~9章为上篇，讲解数据结构和算法基础，为读者全面梳理基本知识，内容涵盖线性结构、树结构、图结构、排序与查找、穷举法、递归算法、贪心算法、动态规划、回溯法；第10~15章为下篇，收集了50多道经典且有趣的大厂面试真题，针对每道题都给出了详细的分析和解答，帮助读者全面提升解决实际问题的能力，同时为读者准备笔试、面试提供帮助。

本书坚持夯实基础、注重实践、举一

ChatGPT掀起了现象级的风暴，赶超ChatGPT潮流，算法突破是关键。

本书介绍了若干常见算法，涉及排序、哈希、动态规划与近似算法、高斯消去法、图论与线性规划、无约束优化、迭代法、插值与拟合等。本书在介绍算法的同时，结合了作者自己对数学背景、应用场景的理解，便于读者把握算法的核心思想。而且，本书不仅指出了哪些算法可以解决问题，还指出了哪些算法可以更好地解决问题，便于读者深入理解算法。本书尽可能地避开了以应试为导向的灌输式讲解，力求引起读者的兴趣并扩大其视野，例如在介绍哈希

数据结构与算法设计相关课程是计算机专业教学中的核心课程，也是各类程序设计竞赛及互联网公司与软件企业招聘考查的重要方面。本书按照"数据结构—算法设计”的路线系统地介绍数据结构与算法设计的主要内容。其中，数据结构部分包括线性表、栈、队列、字符串、数组、广义表、树和图，以及两种常用的数据操作——查找和排序；算法设计部分包括递归与分治法、动态规划、贪心法、回溯法和分支限界法；最后以"快递超市信息管理系统”作为案例介绍面向实际应用开展分析、设计、编码与测试的完整过程。 本书融入了思政元素，注重培养学习者解

本书注重理论与实践紧密结合, 系统介绍算法设计方法、分析技巧和C++编程实战。作者本着“易理解, 重实用”的指导思想.结合多年的教学经验, 以算法设计策略为主线, 沿着“算法思想--算法设计--构造实例--算法描述--算法分析--C++实战”的思路组织学习内容,共包括算法及基础知识、贪心法、分治法、动态规划、搜索法、随机化算法、线性规划问题与网络流、数论算法及计算几何算法和NP完全理论等9章内容。

本书为高等学校计算机类专业核心课程“算法设计与分析”教材. 全书以算法设计技术和分析方法为主线来组织各知识单元. 主要内容包括基础知识、分治策略、动态规划、贪心法、回溯与分支限界、线性规划、网络流算法、算法分析与问题的计算复杂度、NP完全性、近似算法、随机算法、处理难解问题的策略等. 力求突出对问题本身的分析和求解方法的阐述，从问题建模、算法设计与分析、改进措施等方面给出适当的建议，同时也简要介绍了计算复杂性理论的核心内容和处理难解问题的一些新技术.　
与本书配套的有习题解答与学习指导用书

《啊哈！算法揭秘》围绕程序设计典型算法，精心编织了一个场景，让读者通过本书学会优先搜索、深度优先搜索、迭代加深、并行算法、二分搜索等算法背后的原理，字符串、数组、栈和队列等基本计算机科学概念，学习如何修改搜索算法以适应不同的数据结构、如何在特定情况下选择的算法，以及何时应该使用基于常识的启发式算法，以加深对程序世界的理解。 本书的每一章都会伴随情节引入一个新的算法概念，并在结尾处回顾总结本章内出现的专业知识。

本书对当前主流的视频隐写技术进行了系统阐述，主要包括作者及团队在控制帧内失真漂移和鲁棒视频隐写领域的研究成果及其他主流的视频隐写算法。针对原始域的视频隐写技术，介绍了基于LSB和DWT的视频隐写算法；针对压缩域的视频隐写技术，提出了基于H.264/AVC、H.265/HEVC无帧内失真漂移视频隐写算法，介绍了基于帧内预测模式、运动矢量和熵编码的视频隐写算法；针对可逆隐写技术，提出了基于单系数的无帧内失真漂移可逆隐写算法，介绍了基于二维直方图平移的视频可逆隐写算法；针对鲁棒性视频隐写技术

本书是国际著名算法专家李德财教授主编的系列丛书Lecture Notes Series on Computing中的一本。本书涵盖了绝大多数算法设计中的一般技术， 在讲解每一种技术时， 阐述了它的应用背景， 注重用与其他技术相比较的方法说明它的特征， 并提供大量实际问题的例子。本书同时也强调了对每一种算法的详细的复杂性分析。全书分七部分共18 章， 从算法设计与算法分析的基本概念和方法入手， 先后介绍了递归、分治、动态规划、贪心算法、图的遍历等技术， 对NP 完全问题进行了基本但清晰的讨论。作者

本书从数据采集、模型构建和评价标准设计三个方面对SOD技术展开了系统的研究, 包括开放环境下的图像SOD技术、动态场景下的SOD视觉转移建模技术以及符合人类认知规律的评价指标设计。

本书以深度学习在计算机视觉领域的常用技术与案例相结合的方式，深入浅出地介绍计算机视觉的常见任务及实现技术。全书共7章，内容包含概述、图像处理基本操作、深度学习视觉基础任务、基于FaceNet的人脸识别实战、基于 Faster R-CNN 的目标检测实战、基于 U-Net 的城市道路场景分割实战、基于SRGAN 的图像超分辨率技术实战等。本书大部分章包含操作实践代码和课后习题，希望能够帮助读者在计算机视觉基础任务中应用算法，巩固所学内容。
本书可以作为高校人工智能相关专业教材，也可