学堂在线-算法设计与分析-清华大学

这门课解决的是哪类问题

很多人写代码到一定阶段会撞上一堵墙：功能能实现，但一到数据量大、逻辑复杂的需求，就不知道该怎么拆、怎么估代价。比如同样一个匹配问题，有人写出两层循环就跑，有人知道该往图论的方向找模型，结果差出几个数量级。这门清华的算法设计与分析，针对的正是这种「会写但不会想」的状态。它不是教某门语言的语法，而是训练你把一个模糊的业务问题翻译成可计算的问题，再判断哪种解法在时间和空间上划得来。课程里图论、动态规划、概率分析这几块占的比重不小，对应的恰恰是排期调度、路径规划、资源分配、推荐与匹配这类真实工作中反复出现的场景。

适合什么基础，先看哪几块

前提不算高，但要诚实：至少能熟练用一门语言写递归和基本数据结构，看得懂循环嵌套的时间开销。如果连指针、栈、队列都还没写顺，建议先把数据结构过一遍再来，否则前半段的可计算性与渐进增长分析会听得吃力。数学上不要求竞赛底子，但求和符号、对数、简单概率分布不能完全陌生。

建议的进入顺序不是从头顺着播。先看渐进复杂度那一部分，把大 O、大 Ω、大 Θ 的直觉建立起来，这是后面所有分析的尺子。接着看可计算性与难解性，先明白哪些问题是多项式时间能解决的、哪些大概率不能，再往下学具体算法，你会知道每个技巧是在绕开什么困难。之后按图论、动态规划、概率方法的顺序推进，这三块彼此独立，可以按你手头的工作挑着先看。

学完能独立做什么，资料怎么配合练

学完之后，你应该能独立完成几件事：给一个实际问题建模成图或状态转移，判断它属于哪类难度；写出动态规划的状态定义和转移方程，并说清复杂度；对随机化或近似方案给出期望意义上的分析。落到工作里，就是评审方案时能指出某段逻辑的复杂度瓶颈，面试和转岗时能讲清思路而不只是背题。

资料以课堂讲授为主，配套练习要靠自己补。建议每看完一个算法主题，立刻找该主题的两三道题手写实现，重点不是跑通，而是先写出复杂度再验证是否吻合。图论和动态规划这两块必须动手，光看推导会误以为自己懂了。概率部分可以先纸上推导期望，再写代码做模拟对照。整门课不要追求一次看完，按主题分块推进、每块留出练习时间，效果比连着刷完要好得多。