演算法訓練營｜強化篇
陳小玉
買這商品的人也買了...
-
鳥哥的 Linux 私房菜－伺服器架設篇, 3/e$800$680 -
鳥哥的 Linux 私房菜－基礎學習篇, 4/e$980$774 -
超圖解 ESP32 深度實作$880$695 -
完全自學！Go 語言 (Golang) 實戰聖經 (The Go Workshop: Learn to write clean, efficient code and build high-performance applications with Go)$880$695 -
TypeScript 邁向專家之路：零基礎 JavaScript 打通 Angular、React 與 Vue.js 前端框架實戰 (Essential TypeScript: From Beginner to Pro)$880$695 -
全格局使用 PyTorch -- 深度學習和圖神經網路 -- 基礎篇$880$695 -
全格局使用 PyTorch -- 深度學習和圖神經網路 -- 實戰篇$880$695 -
Python + OpenCV — 機器學習 + 深度學習 40大電腦視覺案例入門到實戰$1,200$948 -
Ubuntu22 系統管理與網路服務實務應用：晉升專業網管工程師×物聯網工程師實戰攻略$660$514 -
穿越作業系統迷霧：從零實現作業系統$594$564 -
新範式來臨 - 用 PyTorch 了解 LLM 開發微調 ChatGLM 全過程$980$774 -
自己開發 ChatGPT - LLM 從頭開始動手實作$720$568 -
LLM 竟然這麼靠近 - 使用 llama 模型建立大模型本機系統$980$774 -
$658業務可視化分析：從問題到圖形的分析方法與案例, 2/e (全彩) -
精通 Python｜運用簡單的套件進行現代運算, 3/e (Introducing Python: Modern Computing in Simple Packages, 3/e)$980$774 -
演算法訓練營｜入門篇$590$466 -
Sutskever 大神推薦 - 建構 AI 世界最重要的 30篇論文 : 用 PyTorch 完整實作$1,080$853 -
《生成式AI × 穩健提示爬蟲技術 I》數據抓取篇 爬蟲× OCR × 多模態API應用 × Perplexity AI Comet$790$624 -
大型語言模型應用實戰：從 Prompt Engineering 到 Agentic RAG 與 MCP$790$624 -
玩爆你的龍蝦 — 最強 OpenClaw 安裝設定應用實機演練$880$695 -
大話資料結構 : 全新彩色版 (好評熱銷版)$780$616 -
開發者傳授 PyTorch 秘笈 (好評熱銷版)$1,200$948 -
高速且零錯誤的程式碼 - 菁英級軟體測試優化$880$695 -
內行人才知道的程式設計模式面試指南 (Coding Interview Patterns: Nail Your Next Coding Interview)$780$616 -
演算法訓練營｜進階篇$600$474
商品描述
直觀圖解 × 熟練度強化訓練 × 穩定解題脈絡
讓解題脈絡更加扎實
反覆練習建立可靠的解題節奏，把演算法變成真正上手的能力
演算法概念已有初步的認識了，
卻常常卡在解題流程不順、速度忽快忽慢？
面對題型變化，還是容易慌亂或失誤？
本書延續入門篇的學習脈絡，
由具豐富教學經驗的作者進一步系統規劃，
透過更完整的STL應用、典型題型拆解，
以及大量強化練習，
幫助你熟練解題步驟、穩定思考節奏，
逐步建立「看到題目就知道怎麼解」的實戰能力。
作者簡介
陳小玉
南陽理工學院副教授，高階程式工程師，主要研究方向為演算法優化和機器學習。出版著作有《趣學演算法》、《趣學數據結構》、《演算法訓練營》，所教學生多次獲得ACM-ICPC、藍橋杯等演算法競賽獎項。
目錄大綱
Chapter 01 STL
1.1 deque（雙端佇列）
1.2 priority_queue（優先佇列）
1.3 bitset
1.4 set、multiset（集合、多重集合）
1.5 map、multimap（映射、多重映射）
1.6 STL中的常用函式
Chapter 02 實用的資料結構
2.1 併查集
2.2 倍增、稀疏表（ST）、區間極值查詢（RMQ）
2.3 最近共同祖先（LCA）
2.4 樹狀陣列
2.5 區段樹
Chapter 03 搜尋演算法
3.1 雜湊表
3.2 字串模式匹配
3.3 字典樹（Trie樹）
Chapter 04 平衡樹
4.1 樹高與效能
4.2 平衡二元搜尋樹（AVL樹）
4.3 樹堆（Treap）
4.4 伸展樹（Splay樹）
Chapter 05 深入圖論
5.1 連通圖與強連通圖
5.2 橋與割點
5.3 雙連通部分的縮點
5.4 Tarjan演算法
Chapter 06 圖論演算法
6.1 最小生成樹
6.2 最短路徑
6.3 拓撲排序
6.4 關鍵路徑
Chapter 07 深入搜尋演算法
7.1 修剪法最佳化
7.2 巢狀廣度優先搜尋
7.3 雙向廣度優先搜尋
7.4 啟發式搜尋
Chapter 08 深入動態規劃
8.1 樹狀動態規劃
8.2 狀態壓縮動態規劃
8.3 動態規劃最佳化
