第1章算法設計與分析基礎3
1.1概述3
1.2算法的基本概念3
1.3算法效率分析5
1.3.1漸進時間的概念5
1.3.2漸進時間的符號6
1.3.3漸進符號的性質7
1.4算法的壞和平均情況分析8
1.5算法運行時間估計9
1.6小結11
習題11

第2章分治法13
2.1分治法概述13
2.2合並排序14
2.3Python程序示例19
2.4小結20
習題20

第3章減治法22
3.1減治法概述22
3.2拓撲排序24
3.3Python程序示例27
3.4小結27
習題28

第4章貪心法29
4.1貪心法概述29
4.2哈夫曼編碼30
4.2.1前綴碼31
4.2.2算法步驟31
4.2.3算法正確性證明32
4.3Python程序示例34
4.4小結35
習題35

第5章動態規劃法37
5.1動態規劃概述37
5.201背包問題38
5.2.1子結構性質38
5.2.2遞推式39
5.2.3算法步驟39
5.3Python程序示例43
5.4小結44
習題44

第6章回溯法46
6.1回溯法概述46
6.2n後問題的回溯算法48
6.2.1問題描述48
6.2.2算法步驟48
6.3Python程序示例51
6.4小結52
習題52

第7章分支限界法53
7.1分支限界法概述53
7.201背包問題的分支限界算法55
7.2.1廣度優先搜索分支限界算法55
7.2.2優先隊列式分支限界算法57
7.3Python程序示例60
7.4小結62
習題63
提高篇數據挖掘算法
第8章分類算法67
8.1分類算法概述67
8.2決策樹67
8.2.1基本概念68
8.2.2構造算法68
8.2.3分類規則的提取71
8.3支持向量機71
8.3.1基本概念72
8.3.2訓練算法72
8.3.3核函數75
8.4貝葉斯分類75
8.4.1基本思想76
8.4.2樸素貝葉斯分類算法77
8.5Python程序示例79
8.6小結85
思考題86

第9章聚類算法87
9.1聚類算法概述87
9.2k均值算法89
9.2.1基本思想89
9.2.2算法步驟90
9.3基於MapReduce的k均值並行聚類算法91
9.3.1基本思想91
9.3.2算法步驟91
9.4Python程序示例93
9.5小結95
思考題96

第10章異常檢測算法97
10.1異常檢測概述97
10.2局部異常因子算法97
10.2.1基本思想98
10.2.2算法步驟100
10.3基於聚類的局部異常因子算法103
10.3.1基本思想103
10.3.2算法步驟103
10.4Python程序示例107
10.5小結111
思考題112

第11章頻繁模式挖掘算法113
11.1頻繁模式挖掘概述113
11.2Apriori算法114
11.2.1基本概念114
11.2.2基本思想115
11.2.3算法步驟116
11.2.4關聯規則的生成118
11.3Python程序示例119
11.4小結121
思考題122

第12章鏈接分析算法123
12.1鏈接分析概述123
12.2PageRank算法124
12.2.1基本思想124
12.2.2算法步驟125
12.3基於MapReduce的PageRank算法127
12.3.1基本思想127
12.3.2算法步驟128
12.4Python程序示例130
12.5小結131
思考題131

第13章概率推理算法132
13.1概率推理概述132
13.2貝葉斯網的構建133
13.2.1基本概念133
13.2.2學習算法133
13.3基於貝葉斯網的概率推理138
13.3.1精確推理算法138
13.3.2近似推理算法141
13.4Python程序示例143
13.5小結148
思考題148
新技術篇深度學習算法
第14章人工神經網絡和深度學習概述153
14.1人工神經網絡153
14.1.模型153
14.1.2感知機154
14.1.3多層神經網絡156
14.2深度學習159
14.3小結160
思考題161

第15章降維算法162
15.1降維算法概述162
15.2自編碼器概述163
15.2.1自編碼器164
15.2.2自編碼器的改進166
15.3變分自編碼器168
15.4生成對抗網絡171
15.5Python程序示例174
15.6小結182
思考題183

第16章目標檢測算法184
16.1目標檢測算法概述184
16.2卷積神經網絡185
16.2.1模型結構185
16.2.2模型訓練和預測187
16.3YOLO算法190
16.4Python程序示例194
16.5小結197
思考題198

第17章問答繫統算法199
17.1問答繫統概述199
17.2面向問答繫統的深度學習算法200
17.2.1循環神經網絡200
17.2.2長短期記憶網絡203
17.3基於LSTM的問答繫統構建207
17.4Python程序示例210
17.5小結216
思考題217

第18章圖分析算法218
18.1圖分析概述218
18.2圖神經網絡219
18.3基於圖卷積網絡的圖節點分類220
18.4Python程序示例224
18.5小結227
思考題227

附錄A在線編程平臺和案例庫使用指南228

參考文獻233

算法、數據和算力，是人工智能的“三大基石”，算法的優劣直接決定人工智能水平的高低，算法是人工智能項目的“靈魂”，人工智能的本質是算法。從計算機和電子信息類相關專業人纔培養的角度，算法設計、分析、實現和應用的能力，是各個層次的專業人纔都需具備的核心能力，是程序設計與實踐創新能力提升的重要基礎，反映了學生解決復雜工程問題、應用信息技術對實際問題進行建模和求解的必要素養。
在信息技術領域專業人纔培養的過去、現在和未來，算法始終扮演著核心課程的重要角色。隨著互聯網、雲計算、大數據、人工智能等技術的快速發展和廣泛應用，算法的內涵不斷演進，外延日益豐富，對算法課程的教學內容和教學模式提出了新的要求。培養學生解決復雜工程問題能力的迫切需求與算法課程的內容設置和教學模式之間，仍存在算法設計和編程實現銜接不夠緊密、教學預期成效與學生能力達成不夠契合、不同學習階段算法知識的繫統性不夠清晰等方面的矛盾。
以計算為中心轉變到以數據為中心，是當代計算機發展過程中發生的深刻變化。一方面，人工智能時代算法知識的學習，需要以傳統的計算機算法為基礎來建立算法設計與分析的基本理念，並面向實際中的智能數據分析需求來學習經典的數據挖掘和深度學習算法，把握當代人工智能模型和方法的基本思路。算法設計能力與程序設計能力的提升相輔相成，真正發揮算法在計算機和電子信息類專業人纔核心能力培養中的關鍵作用，是從培養人工智能算法“駕駛員”到“造車人”的重要手段。另一方面，不同層次的讀者對人工智能算法知識的需求也有很大差異，並不存在通用的學習模式、面面俱到的學習內容、一成不變的學習方法；算法理念、設計技巧、實現技術，是希望通過學習獲得的有價值的內容。
圍繞以上背景和目標，既要保證人工智能算法知識體繫的完整性和繫統性，也要保證知識講解從易到難和從簡到繁，不陷入同一類算法的重復應用。本書聚焦智能數據分析任務，以“經典計算機算法—數據挖掘算法—深度學習算法”為主線，以算法偽碼與包括核心代碼的Python程序示例相結合的方式，旨在構建人工智能算法“思想—偽碼—分析—實現”四位一體的知識傳遞和學習框架，達到舉一反三、觸類旁通的效果，培養學生的算法思維和工程能力。本書基於一個典型例子或經典問題介紹各類算法，給出問題背景、算法偽碼和程序示例，注重算法設計與分析理念的傳遞，而不陷入技術的細節。
本書內容分3篇: 基礎篇、提高篇和新技術篇。
 基礎篇介紹經典計算機算法，具體包括第1章的算法設計與分析基礎、第2章的分治法、第3章的減治法、第4章的貪心法、第5章的動態規劃法、第6章的回溯法、第7章的分支限界法。
 提高篇介紹數據挖掘算法，具體包括第8章的分類算法、第9章的聚類算法、第10章的異常檢測算法、第11章的頻繁模式挖掘算法、第12章的鏈接分析算法、第13章的概率推理算法。
 新技術篇介紹深度學習算法，具體包括第14章的人工神經網絡和深度學習概述、第15章的降維算法、第16章的目標檢測算法、第17章的問答繫統算法、第18章的圖分析算法。
作者提供了算法執行過程的演示動畫，讀者可掃描封底刮刮卡注冊後再掃描書中二維碼觀看。此外，作者開發了基於Git的在線編程平臺和案例庫（https://case.artificialintelligencealgorithm.site/），基於GitHub開源項目托管平臺、GitPod在線開發環境和VS Code編輯器，給出便於教師和學生使用、Python語言編寫的在線案例（包括示例程序和自測練習），將算法的在線編程、自動測試、開源托管和持續集成無縫對接，可供本書讀者免費使用，希望能成為本書內容的有益補充。我們也在不斷完善在線案例，希望能在本書的使用過程中不斷豐富，為使用本書的讀者提供日益豐富的“贈品”。
本書既考慮了人工智能算法在基礎、經典和前沿三方面內容的繫統性，也考慮了人工智能算法在過去、現在和未來時間軸上技術發展和學習方式演變的延續性；既包括了人工智能算法學習和研究中常用的建模思路和設計技巧，也匹配了可供讀者免費使用、基於Git平臺的算法在線編程實現和案例庫。本書的編寫和出版，旨在為計算機和電子信息類相關專業本科生、研究生、職校生的算法、人工智能或機器學習等相關課程提供既能從理論層面理解，也能從實踐層面實現人工智能算法的教材，可根據學生類別、課程性質、學分設置和學習目標等選擇不同篇或章，也可作為人工智能相關領域研究和開發人員的參考書。
本書在策劃和編寫過程中，高等學校智能科學與技術/人工智能專業教材編委會專家、華東師範大學周傲英教授和周烜教授、中國科學院計算技術研究所史忠植研究員為本書提出了許多寶貴的意見和建議。清華大學出版社責任編輯張玥老師對本書的編輯出版工作給予了大力的指導和支持，付出了辛勤的勞動。雲南大學信息學院、雲南省智能繫統與計算重點實驗室為本書的編寫提供了良好的設備和工作環境，雲南大學數據與知識工程課題組的十餘名教師和研究生給予了很多有益的幫助。在此，謹向每一位關心和支持本書編寫工作的各方面人士一並表示衷心的感謝。
由於作者的知識和水平有限，對算法的理解和觀點可能不夠全面，書中錯誤和疏漏之處難免，懇請各位專家和讀者批評指正，使本書不斷改進。

作者
2022年1月