电子工业出版社-网上书店

本书紧扣高职教育需求，以MWORKS平台为实践载体、Julia语言为实现工具，系统搭建算法设计学习体系。第1章率先引入MWORKS平台，介绍其与算法设计实践的深度关联，为后续学习筑牢操作根基；第2章聚焦Julia基本语法，帮助学生快速掌握编程表达能力；第3章介绍链表、队列等基础数据结构，夯实算法实现的数据组织基础。第4～6章依次展开排序、搜索及图的相关算法的原理剖析与案例实践，覆盖冒泡排序、贪心搜索、有向图和无向图等经典内容。第7章阐述线性代数核心知识，揭示其在MWORKS科学计算中的关键作用。第8、9章深入讲解优化算法与时间序列分析算法，涵盖遗传算法、ARIMA模型等数学建模常用方法。本书注重理论与实践结合，每章都搭配丰富案例，助力高职学生高效掌握算法设计核心技能，提升计算思维与工程实践能力。本书可作为高职、本科院校计算机相关专业算法设计课程的教材，也可供从事工程计算、数据分析等领域的技术人员参考学习。

第1章  算法设计与MWORKS	1
1.1  算法设计简介	1
1.1.1  算法的基本概念	1
1.1.2  算法设计的目标	1
1.1.3  常见算法及本书的主要内容	2
1.1.4  算法分析	2
1.2  NWORKS和MWORKS.Syslab	3
1.2.1  MWORKS简介	3
1.2.2  MWORKS.Syslab的功能和应用场景	5
课后习题	17
第2章  Julia基本语法	18
2.1  基本数据类型	18
2.1.1  整数类型	18
2.1.2  浮点数类型	21
2.1.3  布尔运算和布尔值类型	23
2.1.4  字符类型	25
2.2  复合数据类型	27
2.2.1  数组	27
2.2.2  元组	28
2.2.3  结构体	28
2.2.4  字典	29
2.3  数学运算与初等函数	30
2.3.1  基本数学运算	30
2.3.2  比较运算	32
2.3.3  基础函数	34
2.4  流程控制	36
2.4.1  条件语句	36
2.4.2  循环语句	37
2.4.3  异常处理	39
2.4.4  do块	40
2.5  数据可视化	40
2.5.1  MWORKS平台数据可视化工具库	40
2.5.2  二维绘图	41
2.5.3  三维绘图	45
2.5.4  图形定制	47
课后习题	49
第3章  基础数据结构	51
3.1  链表	51
3.1.1  定义	51
3.1.2  基本结构	51
3.1.3  类型	51
3.1.4  基本操作	52
3.1.5  相关算法	53
3.1.6  优缺点	53
3.1.7  应用领域	54
3.2  队列	54
3.2.1  定义	54
3.2.2  基本结构	54
3.2.3  类型	55
3.2.4  基本操作	55
3.2.5  相关算法	57
3.2.6  优缺点	57
3.2.7  应用领域	58
3.3  栈	58
3.3.1  定义	58
3.3.2  基本结构	58
3.3.3  类型	58
3.3.4  基本操作	59
3.3.5  相关算法	60
3.3.6  优缺点	61
3.3.7  应用领域	61
3.4  二叉树和哈夫曼树	62
3.4.1  二叉树	62
3.4.2  哈夫曼树	65
课后习题	68
第4章  排序算法	70
4.1  冒泡排序算法	70
4.1.1  冒泡排序算法的原理	71
4.1.2  用Julia语言实现冒泡排序算法	71
4.1.3  使用冒泡排序算法对字符串数组进行排序	73
4.2  快速排序算法	74
4.2.1  快速排序算法的原理	75
4.2.2  用Julia语言实现快速排序算法	75
4.2.3  使用快速排序算法对字符串数组进行排序	77
4.3  选择排序算法	80
4.3.1  选择排序算法的原理	80
4.3.2  用Julia语言实现选择排序算法	82
4.3.3  使用选择排序算法对字符串数组进行排序	83
4.4  插入排序算法	85
4.4.1  插入排序算法的原理	85
4.4.2  用Julia语言实现插入排序算法	86
4.4.3  使用插入排序算法对字符串数组进行排序	88
4.5  堆排序算法	90
4.5.1  堆排序算法的原理	90
4.5.2  用Julia语言实现堆排序算法	91
4.5.3  使用堆排序算法对字符串数组进行排序	92
课后习题	95
第5章  搜索算法	97
5.1  广度优先搜索算法	97
5.1.1  广度优先搜索算法介绍	97
5.1.2  用Julia语言实现广度优先搜索算法	98
5.1.3  实例演示	100
5.2  深度优先搜索算法	101
5.2.1  深度优先搜索算法介绍	101
5.2.2  用Julia语言实现深度优先搜索算法	103
5.2.3  实例演示	104
5.3  双向搜索算法	107
5.3.1  双向搜索算法介绍	107
5.3.2  用Julia语言实现双向搜索算法	109
5.3.3  实例演示	111
5.4  贪心搜索算法	113
5.4.1  贪心搜索算法介绍	113
5.4.2  用Julia语言实现贪心搜索算法	114
5.4.3  实例演示	115
课后习题	117
第6章  图的相关算法	119
6.1  图的基础	119
6.1.1  图的概念	119
6.1.2  图的基本类型	119
6.1.3  图的有关概念	121
6.1.4  Julia代码实例	121
6.2  连通分量/极大连通子图	123
6.2.1  连通图的概念	123
6.2.2  连通子图	124
6.2.3  连通分量	124
6.2.4  Julia代码实例	126
6.3  最短路径	127
6.3.1  最短路径的概念	127
6.3.2  两种常用的最短路径算法介绍	128
6.3.3  Julia代码实例	130
6.4  最小生成树	131
6.4.1  最小生成树的概念	131
6.4.2  最小生成树相关算法	132
6.4.3  Julia代码实例	135
6.5  中心性度量	135
6.5.1  中心性度量的概念	135
6.5.2  中心性度量相关指标	136
6.5.3  Julia代码实例	136
6.6  网页排序	139
6.6.1  网页排序的概念	139
6.6.2  网页排序相关算法	139
6.6.3  Julia代码实例	141
课后习题	144
第7章  线性代数	145
7.1  线性方程组与矩阵	145
7.1.1  线性方程组的基本概念	145
7.1.2  矩阵的运算	145
7.1.3  高斯消元法	146
7.2  行列式与向量空间	147
7.2.1  行列式的定义与性质	147
7.2.2  向量空间的基本概念	147
7.2.3  线性变换	147
7.3  特征值与特征向量	148
7.3.1  特征值与特征向量的定义	148
7.3.2  矩阵对角化	149
7.3.3  二次型	149
7.4  MWORKS.Syslab内置线性方程函数	150
7.4.1  矩阵求逆	150
7.4.2  Moore-Penrose伪逆	150
7.4.3  用左除和右除求解线性方程组	150
7.4.4  最小范数最小二乘解	151
7.4.5  用linsolve函数求解线性方程组	151
7.4.6  存在已知协方差的最小二乘解	152
7.4.7  非负线性二乘问题	152
7.4.8  Sylvester方程	152
7.5  特征值与奇异值	153
7.5.1  特征值与特征向量	153
7.5.2  特征值分解	153
7.5.3  奇异值分解（SVD）	154
7.5.4  其他相关函数	154
7.6  矩阵分解	155
7.6.1  LU分解	155
7.6.2  Cholesky分解	155
7.6.3  QR分解	156
7.7  矩阵运算	156
7.7.1  转置与共轭转置	156
7.7.2  矩阵乘法与幂	157
7.7.3  矩阵函数	157
7.8  矩阵结构	158
7.8.1  矩阵带宽	158
7.8.2  矩阵类型判断	158
7.9  矩阵属性	159
7.9.1  矩阵范数	159
7.9.2  矩阵行列式	159
7.10  稀疏矩阵	159
7.10.1  创建稀疏矩阵	159
7.10.2  操作稀疏矩阵	162
7.11  应用实例：机器学习中的线性代数	165
7.11.1  线性回归	165
7.11.2  主成分分析（PCA）	166
7.11.3  图像压缩（利用SVD实现）	166
7.11.4  控制系统稳定性判断（使用特征值分析）	167
课后习题	167
第8章  优化算法	169
8.1  线性规划算法	169
8.1.1  算法原理	169
8.1.2  应用范围	170
8.1.3  Julia代码实例	170
8.2  非线性规划算法	174
8.2.1  算法原理	174
8.2.2  应用范围	174
8.2.3  Julia代码实例	175
8.3  整数规划算法	178
8.3.1  算法原理	178
8.3.2  应用范围	179
8.3.3  Julia代码实例	179
8.4  遗传算法	184
8.4.1  算法原理	184
8.4.2  应用范围	185
8.4.3  Julia代码实例	185
课后习题	193
第9章  时间序列分析算法	194
9.1  移动平均法	194
9.1.1  算法原理	194
9.1.2  应用范围	195
9.1.3  Julia代码实例	195
9.2  ARIMA模型	200
9.2.1  算法原理	200
9.2.2  应用范围	201
9.2.3  Julia代码实例	201
9.3  线性回归算法	203
9.3.1  算法原理	203
9.3.2  适用场景	204
9.3.3  Julia代码实例	204
课后习题	208
参考文献	210

在数字化与智能化浪潮席卷各行业的当下，算法设计能力已成为信息技术领域从业者的核心竞争力。对于高职学生而言，掌握实用的算法设计方法，不仅是专业学习的重要目标，还是未来职业发展的关键助力。本书正是为满足这一需求而编写的教材，旨在通过MWORKS平台与Julia语言的结合，为学生打造一条理论与实践并重的学习路径。
MWORKS平台作为功能强大的工程仿真与计算平台，为算法的实践验证提供了高效环境；Julia语言凭借简洁的语法、出色的性能和丰富的科学计算库，成为算法实现的理想工具。二者的结合，既降低了算法学习的门槛，又能帮助学生接触前沿的技术实践，契合高职教育“学以致用”的培养理念。
本书内容编排遵循由浅入深的逻辑：从平台与语言基础入手，逐步过渡到数据结构、经典算法，再深入到科学计算与数学建模相关算法。每章均配备课后习题，帮助学生巩固所学。同时，本书注重融入实际应用场景，如数据处理、路径规划、趋势预测等，让学生切实体会算法的价值。
希望读者通过本书的学习，能够熟练运用MWORKS与Julia进行算法设计与实践，在未来的职业道路上展现更强的竞争力。
本书由高建、李辉、谷洪彬担任主编，李静、高天哲、姜冠宇、冯琪、韩非参与编写。
由于编者水平有限，书中难免存在不足之处，恳请广大读者批评指正。 

编者

本书配套资源下载

对不起，暂无音视频资源！

算法设计与实践（基于MWORKS）