本书从数据与算法的相互关系入手，内容涵盖了传统的数据结构和数值分析，并增加了数学模型和算法设计思想的介绍。 全书分四部分，第一部分，介绍数据、数学模型和算法的基本概念，是全书的基础；数据结构部分从数学模型和问题的角度介绍线性结构、树结构、图结构，以及查找和排序这两种最常见的非数值问题；数值分析部分从问题的角度介绍误差分析、实数的表示和运算、一元非线性方程、线性方程组、拟合与插值、最优化问题；第四部分，从算法设计思想的角度介绍蛮力法、分治法、贪心法、动态规划、搜索算法和随机算法，以及求解具体问题时的应用实例。

前言 近年来，信息科学技术呈现快速发展的态势，云计算、移动互联网、大数据、人工智能，给我们所处的时代和社会带来了一波又一波的冲击。人们日常生活中的信息获取方式、社会交往方式、生产工作方式都已经发生了很大的变化，而且更为巨大的变化似乎就在并不遥远的未来。我们的教学和人才培养模式如何能够适应这样的变化，对于高等教育的从业者来说是一个严峻的挑战。 为了解决膨胀的知识量与有限的学制之间的矛盾，提高教学效率和质量，培养拔尖型创新人才，清华大学电子工程系进行了全面的教学改革。在梳理出电子信息科学知识构架的基础上，构建起了全新的课程体系，数据与算法就是其中的一门核心课程。数据是客观世界的描述，是信息的载体，也是算法的处理对象；算法是解决问题的方法和步骤，是处理数据的系统。因此数据与算法的关系，本质上是信息载体与系统的相互作用。同时，数据的特性是算法设计中不可忽视的关键性因素，对数据特性利用得越充分，算法的性能和效率就越高，但与此同时，算法的针对性越强，适用面也就越窄。 传统上数据结构和数值分析是两门课程，前者主要研究非数值问题，后者主要研究数值问题。但是，当我们上升到更宏观的视角，也就是数据与算法相互关系的视角，我们就能够更清楚地认识到两者之间的共性和差异。从共性上来讲，它们都把现实世界的问题简化成为数学模型上的问题，并利用计算机作为工具加以求解，因此有很多算法思想不仅能用于处理非数值问题，也能有效地处理数值问题。例如，二分法既可以用于实现有序线性表的高效查找，又可以用于求解非线性方程；寻找图的最小生成树的 Prim算法、 Kruskal算法和求解多维函数极值的最速下降法都是基于贪心算法的思想。数值和非数值问题的差异也很显著，数值问题中变量取值是连续的，符合一定精度要求的近似解可能有无穷多个，只需要得到符合精度要求的近似解就足够了，因此误差分析在数值分析中处于基础性的地位；而非数值问题的解空间是离散的，不需要考虑误差。在实际应用中，数值问题和非数值问题还经常交织在一起，例如搜索引擎已经成为人们获取信息的主要方式，在其实现过程中就既有非数值问题，也有数值问题。 数据和算法的覆盖范围包括了传统上的数据结构、数值分析两门课程，同时还特别加入了数学模型和算法设计思想的部分，并从总体上对内容上进行了取舍。我们希望这门新设计的课程，能够让同学在学习过程中更清楚地看到数据和算法的相互关系，更透彻地理解数值和非数值问题的差异和共性，更全面地提升利用计算机作为工具解决实际问题的能力，为今后的学习和未来的发展打下扎实的基础。 全书共有 9章，分为四个部分。第一部分是第 1章，介绍了数据，算法和数学模型的基本概念，是全书的基础。第二部分是第 2～5章，包括线性结构、树结构和图结构，以及查找、排序两种最常用的非数值问题及其求解，是传统数据结构的内容。第三部分是第 6、7章，包括数值问题和最优化的初步介绍，讨论的是数值问题。第四部分是第 8、9章，介绍了随机算法和算法设计思想。 本书第 1、2、4、5章由吴及负责撰写；第 6、7、8章由陈健生负责撰写；白铂撰写了第 3和第 9章，并参与了第 4和第 7章的部分工作。 由于编者水平有限，疏误之处在所难免，敬请同行及各界读者批评指正。作为突破传统教学模式和内容组织方式的一次尝试，我们也希望这样的努力能够成为电子信息学科教学改革的有益探索。 编者 2017年 8月

版权图片链接