（1）零基础也能快速入门。本书从最基础的算法基础讲起，由浅入深，层层递进，在巩固固有知识的同时深入讲解人工智能的算法原理，无论读者是否从事计算机相关行业，是否接触过人工智能，都能通过本书实现快速入门。（2）理论和实践相结合。每章最后提供根据所在章的理论知识点精心设计的“应用”，读者可以通过应用实例进行实践操作，为以后的算法学习奠定基础。（3）大量范例源码+习题答案，为学习排忧解难。本书所有示例都有清晰完整的源码，每章之后设有习题并配套题目答案，讲解清晰，解决读者在学习中的所有困惑。

本书以零基础讲解为宗旨，详细讲解了常用的人工智能算法，并与实际应用相结合，内容循序渐进，案例丰富翔实，旨在帮助读者掌握人工智能的箅法基础。全书分为4篇，共20章。其中第1篇为基础算法篇,从第1章到第9章，主要讲述排序、査找、线性结构、树、散列、图、堆栈等基本数据结构算法；第2篇为机器学习算法篇，从第10章到第14章，主要讲述分类算法、回归算法、聚类箅法、降维算法和集成学习算法;第3篇为强化学习算法篇，从第15章到第16章，主要讲述基于价值的强化学习算法和基于策略的强化学习算法;第4篇为深度学习算法篇，从第17章到第19章，主要讲述神经网络模型算法、循环神经网络算法和卷积神经网络算法等内容。本书适合准备从事数据科学与人工智能相关行业的读者。

第0章人工智能与算法1
0.1人工智能发展的水平2
0.2人工智能技术总览3
0.3算法在人工智能技术中的地位9
0.4学好算法能有哪些竞争优势10
第1章排序算法12
1.1冒泡排序（BubbleSort）13
1.2直接插入排序（InsertSort）20
1.3直接选择排序（SelectSort）24
1.4升级版冒泡排序——快速排序（QuickSort）26
1.5升级版插入排序——希尔排序（ShellSort）29
1.6升级版选择排序——堆排序（HeapSort）31
1.7归并排序（MergeSort）34
1.8基数排序（RadixSort）36
1.9应用：应该使用哪种排序算法40
1.10高手点拨42
1.11编程练习42
1.12面试真题42
第2章查找算法43
2.1线性查找（LineSearch）——傻瓜式查找44
2.2二分查找（BinarySearch）——排除另一半44
2.3插值查找（InsertSearch）——预判位置45
2.4斐波那契查找（FibonacciSearch）——黄金分割法46
2.5树结构查找（TreeSearch）48
2.6散列查找（HashSearch）48
2.7应用：自实现indexOf函数49
2.8高手点拨49
2.9编程练习50
2.10面试真题50
第3章字符串算法51
3.1朴素算法52
3.2KMP算法53
3.3Boyer-Moore算法55
3.4Rabin-Karp算法59
3.5Trie树59
3.6应用：AC自动机算法60
3.7高手点拨64
3.8编程练习65
3.9面试真题65
第4章线性结构66
4.1链表67
4.2栈72
4.3队列73
4.4应用：逆波兰计算器74
4.5高手点拨81
4.6编程练习82
4.7面试真题82
第5章树结构83
5.1树结构概述84
5.2二叉树84
5.3线索二叉树90
5.4二叉查找树92
5.5K近邻算法与k-d树111
5.6赫夫曼树119
5.7多路查找树134
5.7.12-3树134
5.7.2B树140
5.7.3B+树140
5.8高手点拨141
5.9编程练习141
5.10面试真题142
第6章堆结构143
6.1二叉堆144
6.2d-堆144
6.3二项堆145
6.4斐波那契堆148
6.5左式堆150
6.6斜堆152
6.7应用：优先队列152
6.8高手点拨153
6.9编程练习153
6.10面试真题153
第7章散列结构154
7.1散列概述155
7.2散列函数的设计156
7.3解决冲突157
7.4完美散列160
7.5应用161
7.6高手点拨162
7.7编程练习162
7.8面试真题162
第8章图结构163
8.1图结构概述164
8.2图的存储167
8.3图的搜索170
8.4拓扑排序173
8.5应用：修路问题175
8.6高手点拨178
8.7编程练习179
8.8面试真题179
第9章递归算法180
9.1递归的概述181
9.2应用：汉诺塔问题183
9.3高手点拨185
9.4编程练习185
9.5面试真题185
第10章分类算法186
10.1分类算法概述187
10.2决策树192
10.3支持向量机207
10.4朴素贝叶斯算法223
10.5综合案例——基于SVM算法的癌症预测231
10.6高手点拨235
10.7编程练习236
10.8面试真题236
第11章回归算法237
11.1回归算法概述238
11.2线性回归算法238
11.3逻辑回归算法251
11.4综合案例——信用卡欺诈检测259
11.5高手点拨264
11.6编程练习266
11.7面试真题267
第12章聚类算法268
12.1聚类算法概述269
12.2K-means算法270
12.3K-means算法实践276
12.4DBSCAN算法284
12.5综合案例——图像分割290
12.6高手点拨292
12.7编程练习293
12.8面试真题294
第13章降维算法295
13.1降维算法概述296
13.2主成分分析296
13.3线性判别分析306
13.4综合案例——基于PCA和逻辑回归算法对鸢尾花数据集分类313
13.5高手点拨315
13.6编程练习316
13.7面试真题317
第14章集成学习算法318
14.1集成学习概述319
14.2Bagging算法319
14.3Boosting算法321
14.4XGBoost算法322
14.5综合案例——基于XGBoost算法的客户流失预测335
14.6高手点拨346
14.7编程练习346
14.8面试真题347
第15章基于价值的强化学习(Value-BasedRL)算法348
15.1强化学习349
15.2Q-Learning算法351
15.3DQN（DeepQ-Learning）算法356
15.4综合案例——让AI自主探索迷宫363
15.5高手点拨366
15.6编程练习366
15.7面试真题366
第16章基于策略的强化学习(Policy-BasedRL)算法367
16.1策略梯度（PolicyGradient）算法368
16.2Actor-Critic算法377
16.3综合案例——不错马里奥的实现386
16.4高手点拨389
16.5编程练习389
16.6面试真题389
第17章神经网络模型算法390
17.1神经网络概述391
17.2神经元模型和神经网络模型392
17.3BP神经网络算法39
17.4综合案例——使用神经网络进行回归预测403
17.5高手点拨407
17.6编程练习407
17.7面试真题408
……