人工智能算法基礎（簡體書）

當前AI圖書市場，理論知識與實踐經驗的脫節，是很多書籍的缺點。本書立足於理論，從實例入手，將理論知識和實際應用結合，目標是讓讀者能夠快速地熟悉人工智能中經典算法。全書分為4篇，共20章。其中第1篇為基礎算法篇，主要講述排序、查找、線性結構、樹、佇列、散列、圖、堆疊等基本資料結構算法；第2篇為機器學習算法篇，主要講述分類算法、回歸算法、聚類算法、降維算法和集成算法；第3篇為強化學習算法篇，主要講述基於價值的強化學習算法和基於策略的強化學習算法；第4 篇為深度學習算法篇，主要講述神經網絡模型算法、迴圈神經網絡算法和卷積神經網絡算法等內容。
本書適合從事資料科學與人工智能相關行業的讀者閱讀。

唐宇迪，計算機專業博士，網易雲課堂人工智能認證行家，51CTO學院講師，CSDN博客講師。擁有多年人工智能領域培訓經驗，帶領課程研發團隊累計開發AI課程60餘門，覆蓋當下人工智能熱門應用領域。2020年10月在我社出版《人工智能數學基礎》，定價119元，印刷1.6萬冊。
史衛亞，，1973年4月出生，博士，副教授，IEEE會員，CCF會員，INNS會員。2009年獲得復旦大學計算機應用專業博士學位。2015-2016年在美國北卡羅納大學做訪問學者，現執教於河南工業大學信息科學與工程學院。主要研究方向：機器學習、資料庫、圖像和視頻處理、人工智能和模式識別。
羅召勇，B站人氣網紅講師，錄製的“資料結構與算法”“微信公眾號開發”“分散式微服務架構（直播重播）”“微信公眾號開發springboot版”視頻課程發佈於B站、騰訊課堂、網易雲課堂、愛奇藝課堂等各大平臺，累計播放量超50萬，其中B站播放量30萬餘，獲得網絡學員的一致好評。1+X大資料職業技能等級考試出題人，1+X大資料職業技能等級考試師資培訓專家，貴州省教育科學院官網項目技術指導。

（1）零基礎也能快速入門。本書從最基礎的算法基礎講起，由淺入深，層層遞進，在鞏固固有知識的同時深入講解人工智能的算法原理，無論讀者是否從事計算機相關行業，是否接觸過人工智能，都能通過本書實現快速入門。（2）理論和實踐相結合。每章最後提供根據所在章的理論知識點精心設計的“應用”，讀者可以通過應用實例進行實踐操作，為以後的算法學習奠定基礎。（3）大量範例源碼+習題答案，為學習排憂解難。本書所有示例都有清晰完整的源碼，每章之後設有習題並配套題目答案，講解清晰，解決讀者在學習中的所有困惑。

前言

為什麼要寫這本書？

2016 年，“AlphaGo”在人機圍棋比賽中以大比分戰勝中韓圍棋高手，使“人工智能”迅速家喻戶 曉。2017年 7月，國務院印發《新一代人工智能發展規劃》，提出了面向 2030年我國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施，部署構築我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國。

在這股人工智能浪潮中，快速掌握人工智能基本知識已經迫在眉睫。然而，在人工智能算法的學習過程中，很多初學者遭遇的挫折多半來自看不懂算法的數學推導過程，進而無法理解算法原理，在應用中只能調整參數或換工具包，卻很難使用和優化算法。本書旨在説明讀者解決人工智能基本算法學習中遇到的困擾，説明初學資料科學與人工智能的讀者快速掌握基本算法知識和實際應用方法，為進一步使用人工智能算法解決實際問題打下基礎。

本書學習路線

本書總結了作者多年的教學實踐經驗，為讀者設計了最佳的學習路線。

讀者物件

◆已經開啟職業生涯的人工智能研究者。

◆沒有人工智能或統計學學習經歷，但希望能快速地掌握這方面的知識，並在項目產品或平臺

中使用人工智能的軟件工程師。

◆相關專業的教師和學生。

本書特色

◆零基礎也能入門。

無論您是否從事計算機相關行業，是否接觸過人工智能，都能通過本書實現快速入門。

◆理論和實踐相結合。

書中的“程序設計練習”板塊是根據所在章節的理論知識點精心設計的，讀者可以通過綜合案例進行實踐操作，理論聯繫實際，將所學算法應用於解決實際問題。

書中的“面試真題”板塊選取了部分人工智能公司面試時可能會測驗的經典算法題，這些題型不僅可以複習所學算法的主要知識點，而且便於讀者對知識點加以總結，形成記憶。

作者團隊

本書由唐宇迪、史衛亞、羅召勇、李琳、侯惠芳編著。其中第0、11、15~19章由史衛亞老師編寫；第1~9章由羅召勇老師編寫；第10、12章由李琳老師編寫；第13、14章由侯惠芳老師編寫，全書由唐宇迪統稿。在編寫過程中，編者竭盡所能地為讀者呈現最好、最全的實用基礎知識，若仍存在疏漏和不妥之處，敬請廣大讀者指正。

第0章 人工智能與算法1
0.1　人工智能發展的水準 2
0.2　人工智能技術總覽 3
0.3　算法在人工智能技術中的地位 9
0.4　學好算法能有哪些競爭優勢 10
第1章 排序算法12
1.1　冒泡排序（Bubble Sort） 13
1.2　直接插入排序（Insert Sort） 20
1.3　直接選擇排序（Select Sort） 24
1.4　升級版冒泡排序——快速排序（Quick Sort） 26
1.5　升級版插入排序——希爾排序（Shell Sort） 29
1.6　升級版選擇排序——堆排序（Heap Sort） 31
1.7　歸併排序（Merge Sort） 34
1.8　基數排序（Radix Sort） 36
1.9　應用：應該使用哪種排序算法 40
1.10　高手點撥 42
1.11　程序設計練習 42
1.12　面試真題 42
第2章 查找算法43
2.1　線性查找（Line Search）——傻瓜式查找 44
2.2　二分查找（Binary Search）——排除另一半 44
2.3　插值查找（Insert Search）——預判位置 45
2.4　斐波那契查找（Fibonacci Search）——黃金分割法 46
2.5　樹結構查找（Tree Search） 48
2.6　散列查找（Hash Search） 48
2.7　應用：自實現indexOf函數 49
2.8　高手點撥 49
2.9　程序設計練習 50
2.10　面試真題 50
第3章 字串算法51
3.1　樸素算法 52
3.2　KMP算法 53
3.3　Boyer-Moore算法 55
3.4　Rabin-Karp算法 59
3.5　Trie樹 59
3.6　應用：AC自動機算法 60
3.7　高手點撥 64
3.8　程序設計練習 65
3.9　面試真題 65
第4章 線性結構66
4.1　鏈表 67
4.2　棧 72
4.3　佇列 73
4.4　應用：逆波蘭計算器 74
4.5　高手點撥 81
4.6　程序設計練習 82
4.7　面試真題 82
第5章 樹結構83
5.1　樹結構概述 84
5.2　二叉樹 84
5.3　線索二叉樹 90
5.4　二叉查找樹 92
5.5　K近鄰算法與k-d樹 111
5.6　赫夫曼樹 119
5.7　多路查找樹 134
5.7.1 2-3樹 134
5.7.2　B樹 140
5.7.3　B+樹 140
5.8　高手點撥 141
5.9　程序設計練習 141
5.10　面試真題 142
第6章 堆結構143
6.1　二叉堆 144
6.2　d-堆 144
6.3　二項堆 145
6.4　斐波那契堆 148
6.5　左式堆 150
6.6　斜堆 152
6.7　應用：優先佇列 152
6.8　高手點撥 153
6.9　程序設計練習 153
6.10　面試真題 153
第7章 散列結構154
7.1　散列概述 155
7.2　散列函數的設計 156
7.3　解決衝突 157
7.4　完美散列 160
7.5　應用 161
7.6　高手點撥 162
7.7　程序設計練習 162
7.8　面試真題 162
第8章 圖結構163
8.1　圖結構概述 164
8.2　圖的存儲 167
8.3　圖的搜索 170
8.4　拓撲排序 173
8.5　應用：修路問題 175
8.6　高手點撥 178
8.7　程序設計練習 179
8.8　面試真題 179
第9章 遞迴算法180
9.1　遞迴的概述 181
9.2　應用：漢諾塔問題 183
9.3　高手點撥 185
9.4　程序設計練習 185
9.5　面試真題 185
第10章 分類算法186
10.1　分類算法概述 187
10.2　決策樹 192
10.3　支援向量機 207
10.4　樸素貝葉斯算法 223
10.5　綜合案例——基於SVM算法的癌症預測 231
10.6　高手點撥 235
10.7　程序設計練習 236
10.8　面試真題 236
第11章 回歸算法237
11.1　回歸算法概述 238
11.2　線性回歸算法 238
11.3　邏輯回歸算法 251
11.4　綜合案例——信用卡欺詐檢測 259
11.5　高手點撥 264
11.6　程序設計練習 266
11.7　面試真題 267
第12章 聚類算法268
12.1　聚類算法概述 269
12.2　K-means算法 270
12.3　K-means算法實踐 276
12.4　DBSCAN算法 284
12.5　綜合案例——圖像分割 290
12.6　高手點撥 292
12.7　程序設計練習 293
12.8　面試真題 294
第13章 降維算法295
13.1　降維算法概述 296
13.2　主成分分析 296
13.3　線性判別分析 306
13.4　綜合案例——基於PCA和邏輯回歸算法對鳶尾花資料集分類 313
13.5　高手點撥 315
13.6　程序設計練習 316
13.7　面試真題 317
第14章 集成學習算法318
14.1　集成學習概述 319
14.2　Bagging算法 319
14.3　Boosting算法 321
14.4　XGBoost算法 322
14.5　綜合案例——基於XGBoost算法的客戶流失預測 335
14.6　高手點撥 346
14.7　程序設計練習 346
14.8　面試真題 347
第15章 基於價值的強化學習(Value-Based RL)算法348
15.1　強化學習 349
15.2　Q-Learning算法 351
15.3　DQN（Deep Q-Learning）算法 356
15.4　綜合案例——讓AI自主探索迷宮 363
15.5　高手點撥 366
15.6　程序設計練習 366
15.7　面試真題 366
第16章 基於策略的強化學習(Policy-Based RL)算法367
16.1　策略梯度（Policy Gradient）算法 368
16.2　Actor-Critic算法 377
16.3　綜合案例——超級馬裡奧的實現 386
16.4　高手點撥 389
16.5　程序設計練習 389
16.6　面試真題 389
第17章 神經網絡模型算法390
17.1　神經網絡概述 391
17.2　神經元模型和神經網絡模型 392
17.3　BP神經網絡算法 39
17.4　綜合案例——使用神經網絡進行回歸預測 403
17.5　高手點撥 407
17.6　程序設計練習 407
17.7　面試真題 408