应知 复习、巩固一维数组、二维数组、字符串的定义、引用、 输入输出 应会 进一步熟悉数组的程序设计，根据题目分析算法，熟练地 转化为程序语言。熟悉字符串结束标志的使用。并进一步 巩固循环语句和条件语句

一、上下文无关文法的重要性: 二、拥有足够强的表达力来表示大多数程序设计语言的语法。 三、可以构造有效的分析算法来检验一个给定的字符。 四、串是否是由某个上下文无关文法产生

2.1 算法的两要素 2.2 算法的特征 2.3 算法的表示 2.4 常用算法 2.5 算法的设计要求 2.6 算法的复杂度分析

1.1 算法与程序 1.2 表达算法的抽象机制 1.3 描述算法 1.4 算法复杂性分析

Ch.1 绪论 Ch.2 数字概率算法 Ch.3 Sherwood算法 Ch.4 Las Vegas算法 Ch.5 Monte Carlo算法

1 算法的概念 2 问题描述及算法描述方法 3 算法正确性分析 4 算法复杂性分析 5 标准符号和通用函数

1直线段裁剪 直接求交算法 Cohen-Sutherland-算法 中点分割裁剪算法 梁友栋-Basky算法 2多边形裁剪 Sutlerland_ Hodgman算法 Weiler-Atherton-算法

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

第一章 数据结构和算法 第二章 数学预备知识 第三章 算法分析

一、算法与程序 二、算法复杂性分析 三、用C++语言描述算法的方法