Index

课程介绍

• 教师：丁尧相
• 课程网站
• 成绩组成:10 Homework + 10 Discussion + 30 Lab + 10 期中 + 40期末
• Lab 8选至少2
• bonus的三种情况:
  • 完成了>=3个project
  • project课堂展示 如果每组至少一次，就有基本分数。否则展示的分数就是bonus report要写明分工
  • 课堂展示，自选主题，但需要和课程有关
• Discussion: 2次, dyx班和其他班不一样，是对课程提建议、或者提出自己不懂的题

经验

课程大纲应该在很多地方都能找到，这里就不赘述了。值得指出的两点

1. 教考分离的情况较为严重。

针对期末复习，一定要把陈越钦定的ppt过一遍(因为这些是考点，而老师课上讲的并不一定是考点)。不懂的地方结合杨洋的智云。最后刷资源中提到的历年卷。

从难度来看，前半学期数据结构的部分关键是理解每个操作是怎么实现的，然后能在草稿纸上画出来即可。后半学期开始变得玄学，特别是Local search和近似算法这块的题目变化很多，难度很大，不过很多题目都是算法导论的课后习题改编的的。最后两章并行计算和外排序虽然听起来也很难，但是考的都是固定的模板，如果只想追求分数的话记住每种方法的复杂度即可。

1. 相对不重视代码，而重视对时间复杂度的分析

实际上ADS的考点和OI/ACM差别还是挺大的。因此即使以前搞过也不能掉以轻心，需要记忆算法复杂度的结论和理解分析方法（比如势能分析一定要理解）。后半部分的近似算法等也跟OI关系不大，很多纯数学的推导。

有用资源

• 笔记:
• 平时推荐用 修佬 (但是后半部分,特别是近似算法,local search,随机算法,并行计算不全) 结合杨洋老师的智云看
• 98期末复习

• 考前跟着这个复习一遍 按考点整理的历年卷习题1 按考点整理的历年卷习题2

• PTA平时作业解析

• 历年卷

笔记情况

对于前7讲的数据结构部分，有比较详细的笔记。8-15讲没有按章节分的笔记，可以参考期末复习，但是内容比较简略。

对于以下算法，给出了对应的测试代码，可在笔记页面中找到 - AVL - Splay - Alpha-Beta剪枝 - Replacement Selection

Comments