‘壹’ C++算法的书籍（适合初学的）
一般来说，清华大学出版社的计算机书是最好的，主要有
1.《C++语言基础教程(第2版)》
出版社：清华大学出版社
作者：吕凤翥
书中全面、系统地讲述了 C++语言的基本概念、基本语法和编程方法，较详尽地讲述了 C++语言面向对象的重要特征： 类和对象、继承和派生类、多态性、虚函数、函数模块和类模板等内容。本书具有丰富的例题，每章后面均备有相当数量的练习题和作业题。 全书通俗易懂，由浅入深，突出重点，偏重应用。本书不仅可作为高等学校 C++语言课程的教材，还可作为 C++语言的自学教材
2.《面向对象程序设计与C++语言（第二版）》
出版社：人民邮电出版社
作者：杨庚/王汝传/叶晓国
本书系统地介绍了面向对象技术及C++语言的相关知识。内容包括面向对象技术的概念和特征、C++语言基础、类和对象、派生与继承、虚函数与多态性、模板、运算符重载、输入/输出流库、异常处理等。 本书注重基本概念，从实际应用出发，突出重点，叙述清楚，深入浅出，论述详尽，使读者既能深刻领会面向对象程序设计的思想，了解面向对象程序设计的特征，又能掌握C++语言的...
3.《C++语言程序设计教程》
出版社：清华大学出版社
作者：杨进才/沈显君/刘蓉
C++语言是目前最为流行的程序设计语言，它既支持面向过程的结构化程序设计，也支持基于对象的面向对象程序设计。本书依据ANSI C++标准，从面向过程的编程到面向对象的编程方法展开，形成一条自然流畅的主线，同时两个部分又自成体系，以满足不同基础与需求的学习者。内容包括：C++编程简介、数据类型与表达式、控制结构、函数、构造数据类型、C++程序的结构、类与对象、继承
4.《C/C++程序设计教程》
出版社：机械工业出版社
作者：秦维佳/伞宏力/侯春光/孟艳红
本书是《C／C++程序设计教程》的配套学习辅导用书。. 全书共分12章，内容包括C／C++语言程序设计初步，C语言的数据类型及表达式，结构化程序设计，数组、函数与指针的概念和实例，结构体与共用体，位运算与文件的概念，面向对象程序设计，类的继承与多态，C++的I／O流。每章包括知识体系、学习要点、上机实训、习题和参考答案。.. 本书可供初学者学习C语言，也可供...
5.《C++程序设计基础导学》
出版社：科学出版社
作者：赵海廷/严运国
本书为是实践训练环节必不可少的辅助教材。本书按照《C++程序设计基础》的顺序组织编撰，由基本要求、内容小结、典型例题分析、习题、实验及习题参考答案组成。本书的目的是通过典型例题剖析、习题和实验环节来巩固所学的理论知识，提高学生的实践操作水平。 本书适用高职高专的理工科学生，也适合于C++语言的初学者，还可供普通高校理...
‘贰’ 进化算法入门读书笔记（一）
这里我参考学习的书籍是：
《进化计算的理论和方法》，王宇平，科学出版社
《进化优化算法：基于仿生和种群的计算机智能方法》，[美]丹·西蒙，清华大学出版社。
进化算法是 求解优化问题 的一种算法，它是 模仿生物进化与遗传原理 而设计的一类随机搜索的优化算法。
不同的作者称进化算法有不同的术语，以下。注：这里仅列举出了我自己比较容易混淆的一些，并未全部列出。
进化计算： 这样能强调算法需要在 计算机上 实施，但进化计算也可能指不用于优化的算法（最初的遗传算法并不是用于优化本身，而是想用来研究自然选择的过程）。因此，进化优化算法比进化计算更具体。
基于种群的优化： 它强调进化算法一般是让问题的候选解 种群 随着时间的进化以得到问题的更好的解。然而许多进化算法每次迭代只有单个候选解。因此，进化算法比基于种群的优化更一般化。
计算机智能/计算智能： 这样做常常是为了区分进化算法与专家系统，在传统上专家系统一直被称为人工智能。专家系统模仿演绎推理，进化算法则模仿归纳推理。进化算法有时候也被看成是人工智能的一种。计算机智能是比进化算法更一般的词，它包括神经计算、模糊系统、人工生命这样的一些技术，这些技术可应用于优化之外的问题。因此，进化计算可能比计算机智能更一般化或更具体。
由自然启发的计算/仿生计算： 像差分进化和分布估计算法这些进化算法可能并非源于自然，像进化策略和反向学习这些进化算法与自然过程联系甚微。因此，进化算法比由自然启发的算法更一般化，因为进化算法包括非仿生算法。
机器学习： 机器学习研究由经验学到的计算机算法，它还包括很多不是进化计算的算法，如强化学习、神经网络、分簇、SVM等等。因此，机器学习比进化算法更广。
群智能算法： 一些人认为群智能算法应与进化算法区分开，一些人认为群智能算法是进化算法的一个子集。因为群智能算法与进化算法有相同的执行方式，即，每次迭代都改进问题的候选解的性能从而让解的种群进化。因此，我们认为群智能算法是一种进化算法。
进化算法的简单定义可能并不完美。在进化算法领域术语的不统一会让人困惑，一个算法是进化算法如果它通常被认为是进化算法，这个戏谑的、循环的定义一开始有些麻烦，但是一段时间后，这个领域工作的人就会习惯了。
优化几乎适用于生活中的所有领域。除了对如计算器做加法运算这种过于简单的问题，不必用进化算法的软件，因为有更简单有效的算法。此外对于每个复杂的问题，至少应该考虑采用进化算法。
一个优化问题可以写成最小化问题或最大化问题，这两个问题在形式上很容易互相转化：
函数 被称为目标函数，向量 被称为独立变量，或决策变量。我们称 中元素的个数为问题的维数。
优化问题常常带有约束。即在最小化某个函数 时，对 可取的值加上约束。不举例。
实际的优化问题不仅带有约束，还有多个目标。这意味着我们想要同时最小化不止一个量。
例子：
这里评估这个问题的一种方式是绘制 作为函数 的函数的图：
如图，对在实线上的 的值，找不到能同时使 和 减小的 的其他值，此实线被称为 帕累托前沿 ，而相应的 的值的集合被称为帕累托集。（此处的帕累托最优问题十分重要，可以参考这个链接来学习和理解： 多目标优化之帕累托最优 - 知乎 ，非常清晰易懂。）
该例子是一个非常简单的多目标优化问题，它只有两个目标。实际的优化问题通常涉及两个以上的模目标，因此很难得到它的帕累托前沿，由于它是高维的，我们也无法将它可视化。后面的章节将会仔细讨论多目标进化优化。
多峰优化问题是指问题不止一个局部最小值。上例中的 就有两个局部最小值，处理起来很容易，有些问题有很多局部最小值，找出其中的全局最小值就颇具挑战性。
对于前面的简单例子，我们能用图形的方法或微积分的方法求解，但是许多实际问题除了有更多独立变量、多目标，以及带约束之外更像上面的Ackley函数这样，对于这类问题，基于微积分或图形的方法就不够用了，而进化算法却能给出更好的结果。
到现在为止我们考虑的都是连续优化问题，也就是说，允许独立变量连续地变化。但有许多优化问题中的独立变量智能在一个离散集合上取值。这类问题被称为组合优化问题。如旅行商问题。
对于有 个城市的旅行商问题，有 个可能的解。对于一些过大的问题，硬算的方法不可行，像旅行商这样的组合问题没有连续的独立变量，因此不能利用导数求解。除非对每个可能的解都试一遍，不然就无法确定所得到的组合问题的解是否就是最好的解。进化算法对这类大规模、多维的问题，它至少能帮我们找出一个好的解（不一定是最好的）。