在所有算法讲解中都贯穿了图问题，同时还专门介绍了高级图算法。
每章都给出了相关算法的应用实例。
对课堂教学进行了实录，目前录课已经发布在 B站，账号为 foretmer。
配套提供电子课件、教学大纲、微课视频、MOOC（B站）、试卷及答案。

本书的内容主要包括两个方面：一是困难问题（NPC问题）；二是人工智能的关键问题（图问题）。包括：困难问题的概念和证明；困难问题的常用模型，如线性规划和整数规划；困难问题的常用算法，如近似算法、随机算法、在线算法、启发式算法。本书在所有算法讲解中都贯穿了图问题，同时还专门介绍了高级图算法，其中，中心性算法和社群发现算法是人工智能的基础。此外，本书的每章都给出了相关算法的应用实例。
本书可作为高等院校计算机类专业的研究生算法课程的教材，也可作为各行业从事算法设计和开发技术人员的参考书。

前言
第1章线性规划
11基本概念
12标准型和松弛型
13单纯形法
131单纯形法原理
132单纯形法步骤
133单纯形表
14对偶
141什么是对偶
142对偶怎么来的
143对偶的性质
144对偶实例*
15整数规划
151分支限界
1520-1整数规划
16原始-对偶算法（Primal-Dual Algorithm）
17原始-对偶算法的应用：顶点覆盖
18本章小结
第2章高级图算法
21最 大流问题
211Ford-Fulkerson算法
212最 大流最小割定理
213Edmonds-Karp算法
214对偶性质*
22图的中心性算法
221度中心性
222紧密中心性
223中介中心性*
224特征向量中心性
225PageRank
23社群发现算法（Community Detection Algorithms）
231基于模块度的算法
232基于标签传播的算法
233基于团的算法
24社群发现在物流仓储中的应用
25本章小结
第3章NP问题
31基本概念
311P问题、NP问题、NP难问题和NPC问题
312归约性
32P问题的证明
333CNF可满足性问题
34最 大团问题
35顶点覆盖问题
36最 大公共子图
37哈密顿回路*
38本章小结
第4章近似算法
41基本概念
42旅行商问题
43子集和问题
44集合覆盖
441简单集合覆盖
442带权重的集合覆盖（广义集合覆盖）*
45集合覆盖-整数规划
46斯坦纳最小树
47近似算法在作业调度中的应用
48本章小结
第5章随机算法
51基本概念
52避免落入最坏情形
521随机快速排序
522随机快速选择（Random Quick Select）
523最小圆覆盖
53降低算法复杂度
531弗里瓦德算法（Frievald’s Algorithm）
532惰性选择（Lazy Select）*
533集合覆盖
534最小割
54随机游走及其应用
5412CNF-SAT
542图嵌入和集卡问题
55本章小结
第6章在线算法
61基本概念
62确定性在线算法
621在线最小生成树
622在线装箱问题*
623时间序列搜索
63随机在线算法
631租买问题
632在线二分图最 大匹配*
64在线算法在物流中的应用：装车问题
65本章小结
第7章启发式算法
71基本概念
72局部搜索
7212-opt算法
7223-opt算法
73模拟退火
74禁忌搜索（Tabu Search）
75蚁群算法
751基础蚁群算法
752蚁群系统
753最 大-最小蚁群系统
76遗传算法
761遗传算法概念和流程
762求解函数的最 大/最 小值
763旅行商问题
764遗传算法变体*
77遗传算法在多目标优化中的应用
78本章小结
参考文献