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。

作者简介： 吴及，清华大学电子工程系副系主任，长聘副教授，博士生导师。1996年和2001年在清华大学电子工程系获得学士和工学博士学位。2013—2015年在美国佐治亚理工学院担任访问学者。主要从事数据与算法方面的教学工作，以及人工智能和大数据领域的研究工作。2006起担任清华-讯飞语音技术联合实验室主任。目前是中国语音产业联盟技术工作组组长。先后获得2011年度国家科技进步二等奖和2014年度北京市科学技术奖一等奖。已在国内外刊物和学术会议上发表论文一百余篇，现在为IEEE高级会员。 陈健生，博士，出生于安徽省芜湖市，毕业于清华大学计算机科学与技术系（学士、硕士）和香港中文大学计算机科学与工程系（博士）。目前在清华大学电子工程系任副教授，博士生导师。教学方面，担任电子系本科生核心课“数据与算法”及限选课“视听信息系统导论”的主讲教师；曾获清华大学第六届青年教师教学大赛理工科一等奖。主要研究领域为计算机视觉与机器学习。在国际期刊及会议上发表有多篇论文，曾获2013年度北京市科学技术奖一等奖。 白铂，男，1982年生于陕西西安，2004年毕业于西安电子科技大学，获学士学位，陕西省优秀毕业生。2010毕业于清华大学，获博士学位，电子系学术新秀。2010—2012年在香港科技大学做博士后研究。随后，进入清华大学电子系任讲师，硕士生导师。曾获2016年清华大学青年教师教学基本功大赛一等奖（理工组）。2017年加入华为技术有限公司2012实验室，任未来网络理论实验室高级研究员。研究方向包括无线协作资源分配、Cloud/Fog-无线计算网络、网络信息论、网络大数据分析等。发表学术论文近80篇，其中SCI检索论文近30篇，曾获IEEE ICC 2016最佳论文奖。

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...