演算法課程的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

基於TensorFlow的深度學習

為了解決演算法課程的問題，作者（美）巴拉斯·拉姆斯達爾等 這樣論述：

本書通過實踐示例教你深度學習的概念，並從根本上幫助你理解深度學習的基礎知識。本書是理想的學習實際深度學習模型設計的指南，對於熟悉腳本程式設計卻不需要設計學習演算法的專家和科學家也很有幫助。   本書的主要內容有： 學習TensorFlow基礎，包括如何進行基本運算。 建立簡單的學習系統來理解數學基礎。 深入理解在數千應用中效果良好的全連接深度網路。 使用超參優化，將原型轉換成高品質的模型。 使用卷積神經網路處理圖像。 使用迴圈神經網路處理自然語言資料集。 使用強化學習解決譬如三連棋等遊戲。

演算法課程進入發燒排行的影片

以關鍵詞之難易度結合文本之關鍵詞TF-IDF分析文本之難易度

為了解決演算法課程的問題，作者趙嘉祥 這樣論述：

隨著科技的進步帶動網際網路的快速發展，網際網路拉近了人與人之間的距離，同時也是互相分享資料的媒介。每天網路上所產生的資料量是非常龐大的，大量的資料也確實帶給生活上不少的便利。但衍伸的問題是，面對這些大量資料，反而不知道該如何從中挑選出適合自己的內容。網路搜尋引擎的出現，可以初步過濾不相干的內容並找出與搜尋關鍵詞相似的結果。但是，針對這些搜尋的結果，還是需要閱讀過後才能得知是否適合，這會消耗非常大量的時間。否則就只能透過標題進行簡易判斷，但這通常也不太準確，常常會忽略掉適合的文章。在學習的過程中，對於什麼都要仰賴網際網路的時代，網路搜尋引擎是學習者的必備工具之一。透過網路搜尋引擎可以尋找更多教

學文章以增進自己的能力。由於每個人的程度與理解力都是不同的，文章的難易度是一項重要的指標。本研究使用網路爬蟲技術自動取得網路文章。經過文字前處理後，判斷該文章是否為資訊類文章。針對資訊類文章繼續執行難易度的計算。關鍵詞難易度初始值是由考選部合作計畫之題目難易度資料與專家訂定之難易度產生的。透過關鍵詞難易度初始值得到文章難易度。再由文章難易度計算下一輪關鍵詞難易度。經過多次迭代後，得到的結果為最終的文章難易度。最後，將文章難易度的結果應用到演算法課程上，透過學生的回饋資料綜合評估本研究的準確率。研究結果顯示，最高獲得76%的準確率。

數據結構與演算法（C語言版）

為了解決演算法課程的問題，作者李忠月等（主編） 這樣論述：

《數據結構與演算法(C語言版)》共９章內容。１章為概論，綜述了數據、數據結構和抽象數據類型等基本概念，以及演算法效率的度量方法。第２~７章，討論線性表、棧、隊列、串、數組、廣義表、樹和圖等基本的數據結構及其應用，對每一種數據結構.都分別給出了相應的抽象數據類型和實現方法。第８章和第９章分別討論查找和排序技術，除了介紹各種實現方法之外，還從時間複雜度、空間複雜度上進行了分析和比較。每章均附有本章小結，並配有大量的習題。對一些重要的知識點、重要的演算法、難懂的演算法，都有配套的微課，以二維碼的形式呈現。本書可作為高等學校電腦類、電子信息類、電氣信息類等相關專業數據結構的教學用書，也可作為電腦編程人

員的參考書。 李忠月，溫州大學副教授。自1997年7月參加工作以來，一直工作在教育的第一線，主要從事C語言程序設計、數據結構與演算法、數據結構與演算法課程設計、Java程序設計基礎、Internet開發基礎等教學工作。于2011年、2012年、2013年，連續三年獲溫州大學物電學院「最受學生喜愛的老師」榮譽稱號。在清華大學出版社和水利水電出版社主編教材3本。

應用禁忌搜尋演算法求解旅行商人問題

為了解決演算法課程的問題，作者劉翰儒 這樣論述：

隨著科技不斷得進步演算法成為關鍵因素廣泛應用於各種領域，如醫學診斷、影像處理、搜尋引擎等有著快速與精確的結果，本篇論文研究的演算法為禁忌搜尋演算法(Tabu Search Algorithm，TSA)，可以允許不良的移動紀錄儲存在短期記憶中避免循環搜尋，禁忌演算法的性能取決於禁忌清單的長度、鄰域結構與移動紀錄的短期記憶體設定，從一開始的初始可行解出發，再透過初始解當中隨機更改城市編號成為候選解搜尋比較，為了避免陷入局部最佳解在演算法過程當中採用禁忌清單方式記憶，將搜尋過較差的結果暫時放置在禁忌清單當中避免重複搜索，禁忌清單的長度要採適當，長度太長搜尋會受到限制，太短則會進入無限迴圈，反覆搜尋

得到目標函數的全域最佳解，TSA是一種局部搜尋的全域迭代演算法。旅行商人問題(TSP)是典型NP-Hard問題(non-deterministic polynomial)，此類型問題是組合優化的難題，這意味著尚無多項式函數可以尋找得到全域最佳解。本篇論文主要探討禁忌搜尋演算法應用於旅行商人問題的結果得到參數變化。