1.A*搜索算法图搜索算法，用于查找从给定初始节点到给定目标节点的路径。它采用启发式估计，通过估计通过该节点的最佳路径对每个节点进行排名。它按照此启发式估计的顺序访问节点。因此，A*算法是最佳优先搜索的示例。
2.波束搜索波束搜索是一种搜索算法，它是最佳优先搜索的优化。与最佳优先搜索一样，它使用启发式函数来评估它检查的每个节点的承诺。然而，波束搜索仅展开每个深度处的前m个最有希望的节点，其中m是固定数量，即波束宽度。
3.二分搜索通过排除每一步中的一半数据来查找线性阵列中特定值的技术。
4.分支定界用于寻找各种优化问题的最优解的一般算法方法，尤其是在离散和组合优化中。
5.Buchberger算法在计算代数几何和计算交换代数中，Buchberger算法是一种将多项式理想的给定发生器组转换为Grbner基础的方法，相对于某些单项式。可以将其视为用于单变量gcd计算的欧几里德算法和用于线性系统的高斯消元的概括。
6.数据压缩数据压缩或源编码是使用比未编码表示通过使用特定编码方案使用的更少比特（或其他信息承载单元）来编码信息的过程。
7.Diffie-Hellman密钥交换密码协议允许彼此没有先验知识的双方在不安全的通信信道上共同建立共享密钥。然后，该密钥可用于使用对称密钥密码加密后续通信。
8.Dijkstra算法解决具有非负边权重的有向图的单源最短路问题。
9.离散微分，公式f'（x）=（f（x+h）-f（xh））/2h。
11.欧几里德算法确定两个整数的最大公约数（gcd）的算法。它是已知最古老的算法之一，因为它出现在公元前300年左右的Euclid元素中。该算法不需要将两个整数分解。
12.期望最大化算法（EM-Training）在统计计算中，期望最大化（EM）算法是用于在概率模型中找到参数的最大似然估计的算法，其中模型取决于未观察到的潜在变量。EM在执行期望步骤和最大化步骤之间交替，期望步骤计算潜在变量的预期值，最大化步骤计算给定数据的参数的最大似然估计并将潜在变量设置为它们的期望。
13.快速傅里叶变换（FFT）高效算法计算离散傅里叶变换（DFT）及其逆。FFT对于各种应用非常重要，从数字信号处理到求解偏微分方程，再到快速乘以大整数的算法。
14.梯度下降梯度下降是一种优化算法，通过采用与当前点处函数的梯度（或近似梯度）的负值成比例的步长来逼近函数的局部最小值。相反，如果采用与梯度成比例的步长，则接近该函数的局部最大值;然后将该过程称为梯度上升。
15.哈希（Hashing）用于汇总或概率识别数据的功能。通常，这意味着将数学公式应用于数据，从而生成可能或多或少独特于该数据的字符串。该字符串比原始数据短得多，但可用于唯一标识它。
17.Karatsuba乘法对于需要乘以数千位数字的系统，例如计算机代数系统和bignum库，长乘法太慢。这些系统采用Karatsuba乘法，于1962年发现。
18.LLL算法Lenstra-Lenstra-Lovasz晶格简化（LLL）算法是一种算法，在给定格子基础作为输入的情况下，输出具有短的，几乎正交的矢量的基础。LLL算法在公钥加密方案的密码分析中发现了许多应用：背包密码系统，具有特定设置的RSA等。
19.最大流算法网络优化的基本算法，最大流量问题是通过最大流量网络找到合法流量。有时它被定义为找到这种流的价值。最大流量问题可以看作是更复杂的网络流量问题的特例。最大流量与Max-flowmin-cut定理中的网络中的切割有关。Ford-Fulkerson算法计算流网络中的最大流量。
20.合并排序用于将列表（或只能按顺序访问的任何其他数据结构，例如文件流）重新排列为指定顺序的排序算法。
21.牛顿方法用于查找实值函数的零（或根）近似的高效算法。牛顿方法也是一种众所周知的算法，用于在一个或多个维度中找到方程的根。它还可用于查找函数的局部最大值和局部最小值。牛顿法的思想是非线性函数的二次函数局部近似。
22.Q-learningQ-learning是一种强化学习技术，通过学习一个动作-值函数来实现，该函数给出了在给定状态下执行给定动作并且之后遵循固定策略的预期效用。Q-learning的优势在于它能够在不需要环境模型的情况下比较可用操作的预期效用。
23.二次筛子二次筛分算法（QS）是一种现代整数分解算法，并且在实践中，已知第二种最快的方法（在数字筛分之后，NFS）。对于小数位数为110左右的整数，它仍然是最快的，并且比数字字段筛网简单得多。
24.随机抽样一致算法（RANdomSAmpleConsensus）它是一种根据包含“异常值”的一组观测数据估计数学模型参数的算法。一个基本假设是数据由“内部”组成，即可以通过一组模型参数解释的数据点，以及作为不适合模型的数据点的“异常值”。
25.用于公钥加密的RSA算法这是第一个已知适合签名和加密的算法。RSA仍然广泛用于电子商务协议中，并且被认为在给定足够长的密钥时是安全的。
27.单纯形算法在数学优化理论中，单纯形算法是一种流行的线性规划问题数值解法。线性规划问题包括许多实变量上的线性不等式的集合和要最大化（或最小化）的固定线性函数。
28.奇异值分解（SVD）在线性代数中，SVD是矩形实数或复数矩阵的重要分解，在信号处理和统计中有多种应用，例如，计算矩阵的伪逆（解决最小二乘问题），求解超定线性系统，矩阵近似，数值天气预报。
29.求解线性方程组系统线性方程组属于数学中最古老的问题，它们有很多应用，如数字信号处理，估计，预测，一般在线性规划和数值分析中非线性问题的近似。通过Gauss-Jordan消除或Cholesky分解给出了求解线性方程组的有效方法。
30.Strukturtensor在模式识别中：计算每个像素的度量，该度量告诉您此像素是否位于同质区域中，是否属于边缘，或者它是否是顶点。
31.并查集（Union-find）给定一组元素，将它们分成许多单独的非重叠组通常很有用。不相交集数据结构是跟踪这种分区的数据结构。联合查找算法是一种对此类数据结构执行两个有用操作的算法：查找：确定特定元素所在的组。联合：将两个组合并或合并为一个组。
32.维特比算法用于查找最可能的隐藏状态序列的动态编程算法-称为维特比路径-导致一系列观察事件，特别是在隐马尔可夫模型的背景下。
33.内点法它是由JohnvonNeumann发明的，他利用戈尔丹的线性齐次系统提出了这种新的求解线性规划的方法。后被NarendraKarmarkar于1984年推广应用到线性规划，即Karmarkar算法。内点法不同于单纯性从边界上寻找最优解，它是从内点开始寻找最优解。目前是求解线性规划的最有效算法。
34.迪杰斯特拉（Dijkstra）算法迪杰斯特拉算法由荷兰计算机科学家艾兹赫尔·迪杰斯特拉在1956年提出。迪杰斯特拉算法使用了广度优先搜索解决赋权有向图的单源最短路径问题。
35.割平面方法1958年由美国学者高莫利(R.E.GoMory)提出的求解全整数规划的一种比较简单的方法。其基本思想和分枝定界法大致相同，即先不考虑变量的取整约束，用单纯形法求解相应的线性规划。
36.高斯消元算法是线性代数中的一个算法，可用来求解线性方程组，并可以求出矩阵的秩，以及求出可逆方阵的逆矩阵。其思想是化整为零，从零归整（分步走），以简御繁。