【学堂在线】算法设计与分析 - 清华大学

这门课讲的是算法设计与分析，不是教你背几段代码，而是把「遇到一个问题，怎么想出一个能跑、跑得快、还能证明它没错的解法」这件事讲清楚。它解决的是工作里很常见的卡点：需求摆在面前，你能写出能跑的版本，但数据量一上来就超时；或者面试、评审时被追问「为什么这样设计」「复杂度多少」，答不上来。学完它，你对常见问题该套哪类思路会有判断，而不是凭感觉试。

适合什么基础，先看哪几块

前提是你会一门编程语言，能读懂循环、递归、数组和链表这类基本结构。如果连递归都还没写过，先补这一块再来，否则前半段会跟得吃力。课程从 Gale-Shapley 稳定匹配这类具体算法切入，再过渡到计算可行性、图的遍历与最短路、贪心、分治、动态规划、网络流和 NP 完全性。建议的顺序是：先看计算可行性和渐进复杂度那几讲，把「什么叫好算法」的尺子立起来；再顺着图、贪心、分治、动态规划这条主线走。动态规划是多数人的分水岭，别跳，配合课后自己重推一遍状态转移。NP 完全性那部分偏理论，第一遍听个框架就行，不必死磕证明细节。

学完能独立做什么

比较现实的目标是：拿到一道中等难度的算法题，你能判断它属于哪一类，写出正确解法并说清时间和空间复杂度；面对工程里的调度、路径、匹配、资源分配问题，你能识别出它对应哪个经典模型，知道该用贪心还是动态规划，而不是硬写暴力。它不会直接教你某个框架或业务系统，但会明显改善你写代码时的取舍能力，这部分在面试和代码评审里都能用上。

资料怎么配合练习

视频是主线，但只看不写基本等于没学。建议每看完一个算法，先合上视频自己写一遍实现，再对照讲解修正；图、动态规划、网络流这几块各挑两三道题动手做，做完回头想「如果数据规模翻十倍，我的解法还成立吗」。遇到卡住的地方，回到对应那一讲重看，比反复刷题更省时间。整套内容信息密度不低，按每周两到三讲的节奏推进，边学边写，比一口气刷完更扎实。