无论何种软件开发问题，都有可能已经有了解决方案。本书收集了非常有用的解决方案，可以指导你学习那些经过千锤百炼的解决问题的技术。本书介绍的原则和算法可以保证你在一个又一个的项目中节省大量的时间。
本书包含50多个练习，这些练习是多年来一直在计算机科学课堂中使用的。你可以通过实践这些例子来探索核心算法、约束问题、人工智能应用等。
本书主要内容包括：
递归、记忆化和位操作。
搜索、图和遗传算法。
约束满足问题。
k均值聚类、神经网络和对抗搜索。

大卫·科帕克，是佛蒙特州伯灵顿的尚普兰学院计算机科学与创新专业的副教授。他是一名经验丰富的iOS开发人员，也是Dart for Absolute Beginners(Apress出版社，2014年出版)一书的作者。David拥有达特茅斯学院的经济学学士学位和计算机科学硕士学位。

前言
致谢
第1章 一些小问题
1.1 斐波那契数列
1.1.1 第一次递归尝试
1.1.2 基线条件的运用
1.1.3 使用记忆化
1.1.4 简洁的斐波那契方法
1.1.5 使用流来生成斐波那契数列
1.2 简单的压缩算法
1.3 牢不可破的加密方案
1.3.1 按顺序获取数据
1.3.2 加密和解密
1.4 计算π
1.5 汉诺塔问题
1.5.1 对塔进行建模
15.2 求解汉诺塔问题
1.6 实际应用
1.7 习题
第2章 搜索问题
2.1 DNA搜索
2.1.1 存储DNA
2.1.2 线性搜索
2.1.3 二分搜索
2.1.4 通用示例
2.2 迷宫求解
2.2.1 生成随机迷宫
2.2.2 迷宫的其他方法
2.2.3 深度优先搜索
2.2.4 广度优先搜索
2.2.5 A*搜索
2.3 传教士和食人族问题
2.3.1 用代码来表达问题
2.3.2 求解
2.4 实际应用
2.5 习题
第3章 约束满足问题
3.1 构建约束满足问题的解决框架
3.2 澳大利亚地图着色问题
3.3 八皇后问题
3.4 单词搜索问题
3.5 字谜问题
3.6 电路板布局问题
3.7 实际应用
3.8 习题
第4章 图问题
4.1 地图是图的一种
4.2 搭建图的框架
4.3 查找最短路径
4.4 最小化网络构建成本
4.4.1 权重处理
4.4.2 查找最小生成树
4.5 在加权图中查找最短路径
4.6 实际应用
4.7 习题
第5章 遗传算法
5.1 生物学背景
5.2 通用遗传算法
5.3 简单测试
5.4 回顾字谜问题
5.5 优化列表压缩算法
5.6 遗传算法面临的挑战
5.7 实际应用
5.8 习题
第6章 k均值聚类
6.1 预备知识
6.2 k均值聚类算法
6.3 按年龄和经度对州长进行聚类
6.4 按长度对迈克尔·杰克逊的专辑进行聚类
6.5 k均值聚类算法问题及其扩展
6.6 实际应用
6.7 习题
第7章 简单神经网络
7.1 生物学基础
7.2 人工神经网络
7.2.1 神经元
7.2.2 层
7.2.3 反向传播
7.2.4 全貌
7.3 预备知识
7.3.1 点积
7.3.2 激活函数
7.4 构建神经网络
7.4.1 神经元的实现
7.4.2 层的实现
7.4.3 神经网络的实现
7.5 分类问题
7.5.1 数据的归一化
7.5.2 经典的鸢尾花数据集
7.5.3 葡萄酒的分类
7.6 加速神经网络
7.7 神经网络存在的问题及扩展
7.8 实际应用
7.9 习题
第8章 对抗搜索
8.1 棋盘游戏的基础组件
8.2 井字棋
8.2.1 井字棋的状态管理
8.2.2 极小化极大算法
8.2.3 用井字棋测试极小化极大算法
8.2.4 开发井字棋AI
8.3 四子棋
8.3.1 四子棋游戏程序
8.3.2 四子棋AI
8.3.3 用alpha-beta剪枝算法优化极小化极大算法
8.4 超越alpha-beta剪枝效果的极小化极大算法改进方案
8.5 实际应用
8.6 习题
第9章 其他问题
9.1 背包问题
9.2 旅行商问题
9.2.1 朴素解法
9.2.2 进阶
9.3 电话号码助记符
9.4 实际应用
9.5 习题
第10章 采访布赖恩·戈茨
附录A 术语表
附录B 更多资源