吕国英、李茹、王文剑、任瑞征、钱宇华编著的 《算法设计与分析（第3版）》的内容遵循《高等学 校计算机科学与技术专业公共核心知识体系与课程》 （教育部高等学校计算机科学与技术教学指导委员会 ，2008）的知识体系，介绍算法及其设计、分析的基 础知识，并通过大量例题，讲解枚举法、递推法、分 治法、贪婪算法、动态规划及与图搜索有关的算法策 略。除此之外，还对算法设计基本工具的使用和算法 设计中的技巧做了讲解。最后通过案例的一题多解进 行算法设计的实践。算法采用了接近自然语言（英语 ）的符号，可读性强，适合于不同程序设计语言背景 的读者学习。
本书可以作为高等院校计算机及其相关专业高年 级本科生和研究生算法设计课程的教材，也可作为计 算机工作者、广大程序设计爱好者和信息学爱好者的 参考书。

　　进入21世纪，各国高科技发展突飞猛进，对教育资源、人才资源的争夺也日益激烈，计算机软件开发人才更是处于核心竞争地位。培养应用型软件开发人才成为提高国家科技实力的重要步骤。国家973信息技术与高性能软件基础规划项目首席科学家顾钧教授和中国工程院院士李国杰教授指出： “我国的软件开发要算法先行，这样才能推动软件技术的研究与开发，提高我国企业软件产品的技术竞争力和市场竞争力。”
“算法设计与分析”是一门理论性与实践性相结合的课程，是计算机科学与计算机应用专业的核心课程。学习算法设计可以在分析解决问题的过程中，培养学生抽象思维和缜密概括的能力，提高学生的软件开发设计能力。
全书共包含四篇：
1. 第1篇“引入篇”共两章，从认识算法开始，介绍问题求解的步骤及算法在其中的重要地位，讲解了算法效率分析的基本方法，对当前常用的算法软件进行了简要概述（此节可作为选修）。
2. 第2篇“基础篇”，对算法的重复操作机制——循环和递归的设计要点、算法中数据结构的选择和提高算法效率的基本技巧做了讲解，这些都是算法设计的重要基础。
3. 第3篇“核心篇”共两章，主要介绍了几种常用的算法策略，如： 枚举法、递推法、分治法、贪婪算法、动态规划及与图搜索有关的算法策略，并对算法策略进行了总结比较。
4. 第4篇“应用篇”共两章，第6章通过随机序列改进前面介绍的算法效率，介绍概率经典算法（第3版新增内容）。第7章以问题为节，每节中针对同一问题给出采用不同的数学模型、不同数据结构或不同的算法策略进行算法设计，并进行效率分析。这部分内容是对算法设计学习的实践。
本教材建设的理念是“实用、适用”。书中的例题选择力求简单但具有代表性，从分析问题开始，经模型建立，再进行算法设计（包括数据结构设计）和算法分析。这样做有利于培养学生“设计”算法的能力，而不是“记忆” 算法的能力。并力争浅显易懂地讲解较深奥的算法设计策略和算法分析方法。
本书的主要特点有:
1） 重系统性
教材的第3篇“核心篇”摒弃同类教材中根据问题划分章节的方法，通过对算法策略特点的概括和归纳，以同一策略下的应用差别来划分章节，使得教材结构更合理、讲解更系统，更加符合认知规律。同时，在各章末尾对算法进行比较、总结，使学生能方便、全面地掌握算法策略的本质及算法应用体系。
2） 重启发性
本书中例题都是经过问题分析、数学建模、数据结构设计后，才给出算法设计和算法分析的。这样讲解富有启发性，不仅培养了学生算法设计的思维方式，还能改变学生被动接受知识的习惯，养成主动学习的意识， 进而提高创新能力。

3） 重适用性
第2篇“基础篇”是从程序设计到算法设计承上启下的内容，对问题求解的基本方法、算法基本工具的使用及提高算法效率的基本技巧做了必要的总结、归纳。相信这些内容会对普通院校的广大学生有较大的裨益，促进其打好学习算法设计的基础。弥补了以往教材缺乏课程间衔接内容的缺陷，可以增强学生学习该课程的自信心，提高教学效率。
4） 重开放性
教材在第1篇中对现代算法进行了概览，旨在扩大学生的知识面，提高其对算法设计的学习兴趣。教材还独特地介绍了从算法到程序转换的要点，引导学生不是仅仅停留在形式化的算法描述阶段，而是大胆上机实现，提高学生学习本学科的兴趣。
5） 重实践性
第4篇“应用篇”是本教材的一大亮点。该篇以问题为节，每节针对同一问题采用不同的数学模型、不同的数据结构或不同的算法策略进行算法设计，扩展学生解决问题的思路，学会灵活运用算法知识，而不是生搬硬套教材中的算法。同时，也可以通过对多种算法设计的分析比较认识算法的优劣，从而设计出质量优良的算法。
在学习算法设计的过程中，有的读者一定会感到所学的内容和大多例题都离现实问题较远，似乎用途不大。这是因为现实中的实际问题往往比较复杂，需要具备丰富的领域知识、算法设计方法和技巧规范及软件工程的开发规范等综合技能。所以，只能通过一些简单、抽象的例子，对基础的算法策略进行讲解。待打好算法设计基础且有足够的问题领域知识储备后，才能去解决实际应用问题。附录“算法设计与分析课程设计大纲”中给出一些与现实结合相对较紧的练习，区别于章节习题，希望读者广开思路，应用所学知识解决问题。
《算法设计与分析》自2006年第1版出版以来，受到读者的广泛好评，多所院校将本书作为“算法设计与分析”课程的教材，在此，我们对读者表示由衷的感谢！同时，我们深感重任在身，在听取广大读者提出的宝贵意见的基础上，极为慎重地对待本次改版工作。教材的出版凝聚了出版社工作人员的辛勤汗水，在此感谢出版社领导与编辑们的信任与付出。
随着信息化时代的到来，计算机开发平台日新月异，计算机的应用也不断拓展到了各个领域； 各类算法和技巧层出不穷，本书只能是管中窥豹。若能达到本书的初衷——使读者能掌握算法设计的基本方法和技巧，打好软件开发的基础，我们就深感满意了。
由于作者水平有限，书中不当之处敬请专家和读者指正。
作者2014年10月

第1篇  引入篇
  第1章  算法概述
      1.1  用计算机求解问题与算法
      1.1.1  用计算机求解问题的步骤
      1.1.2  算法及其要素和特性
      1.1.3  算法设计及基本方法
      1.1.4  从算法到实现
    1.2  算法设计步骤及描述
      1.2.1  算法描述简介
      1.2.2  本书算法描述约定
      1.2.3  一个简单问题的求解过程
    1.3  现代常用算法概览
      1.3.1  压缩算法
      1.3.2  加密算法
      1.3.3  人工智能算法
      1.3.4  并行算法
      1.3.5  其他实用算法
  第2章  算法分析基础
    2.1  算法分析体系及计量
      2.1.1  算法分析的评价体系
      2.1.2  算法的时间复杂性
      2.1.3  算法的空间复杂性
      2.1.4   NP完全问题
    2.2  算法分析实例
      2.2.1  非递归算法分析
      2.2.2  递归算法分析
      2.2.3  提高算法质量
第2篇  基础篇
  第3章  算法基本工具和优化技巧
    3.1  循环与递归
      3.1.1  循环设计要点
      3.1.2  递归设计要点
      3.1.3  递归与循环的比较
    3.2  算法与数据结构
      3.2.1  原始信息与处理结果的对应存储
      3.2.2  数组使信息有序化
      3.2.3  数组记录状态信息
      3.2.4  大整数存储及运算
      3.2.5  构造趣味矩阵
      3.2.6  一维与二维的选择
    3.3  优化算法的基本技巧
      3.3.1  算术运算的妙用
      3.3.2  标志量的妙用
      3.3.3  信息数字化
    3.4  优化算法的数学模型
      3.4.1  杨辉三角形的应用
      3.4.2  最大公约数的应用
      3.4.3  公倍数的应用
      3.4.4  斐波那契数列的应用
      3.4.5  特征根求解递推方程
    习题
第3篇  核心篇
  第4章  基本的算法策略
    4.1  迭代算法
      4.1.1  递推法
      4.1.2  倒推法
      4.1.3  迭代法解方程
    4.2  蛮力法
      4.2.1  枚举法
      4.2.2  其他范例
    4.3  分而治之算法
      4.3.1  分治算法框架
      4.3.2  典型二分法
      4.3.3  二分法不相似情况
      4.3.4  二分法不独立情况
      4.3.5  非等分分治
    4.4  贪婪算法
      4.4.1  可绝对贪婪问题
      4.4.2  相对或近似贪婪问题
      4.4.3  贪婪策略算法设计框架
    4.5  动态规划
      4.5.1  认识动态规划
      4.5.2  动态规划算法设计框架
      4.5.3  突出阶段性的动态规划应用
      4.5.4  突出递推的动态规划应用
    4.6  算法策略间的比较
      4.6.1  不同算法策略特点小结
      4.6.2  算法策略间的关联
      4.6.3  算法策略侧重的问题类型
    习题
  第5章  图的搜索算法
    5.1  图搜索概述
      5.1.1  图及其术语
      5.1.2  图搜索及其术语
    5.2  广度优先搜索
      5.2.1  算法框架
      5.2.2  广度优先搜索的应用
    5.3  深度优先搜索
      5.3.1  算法框架
      5.3.2  深度优先搜索的应用
    5.4  回溯法
      5.4.1  认识回溯法
      5.4.2  算法简介算法框架
      5.4.3  应用1——基本的回溯搜索
      5.4.4  应用2——排列及排列树的回溯搜索
      5.4.5  应用3——最优化问题的回溯搜索
    5.5  分支限界法
      5.5.1  分支搜索算法
      5.5.2  分支一限界搜索算法
      5.5.3  算法框架
    5.6  图的搜索算法小结
    习题
第4篇  应用篇
  第6章  概率算法
    6.1  概述
    6.2  统计模拟——蒙特卡罗算法
      6.2.1  数值计算方法——蒙特卡罗算法
      6.2.2  考虑正确几率的算法——蒙特卡罗算法
    6.3  随机序列提高算法的平均复杂度——舍伍德算法
    6.4  随机生成答案并检测答案正确性——拉斯维加斯算法
  第7章  算法设计实践
    7.1  循环赛日程表（4种）
    7.2  求3个数的最小公倍数（4种）
    7.3  猴子选大王（4种）
    7.4  最大子段和问题（5种）
    7.5  背包问题（11种）
      7.5.1  与利润无关的背包问题
      7.5.2  与利润有关的背包问题
    7.6  主元素问题（6种）
附录  算法设计与分析课程设计大纲