穷举法 (Exhaustive Search)：通过尝试所有可能的解来寻找最优解，适用于问题规模较小的情况。
贪心算法 (Greedy Algorithm)：每一步都选择当前看起来最优的解，局部最优解的选择可能不是全局最优解。
动态规划 (Dynamic Programming)：将问题分解为子问题并保存子问题的解，避免重复计算，通常用于优化问题。
回溯算法 (Backtracking)：通过试探和回溯来找出所有可能的解，适用于组合优化和排列组合问题。
分支界限法 (Branch and Bound)：通过不断分割问题空间来寻找最优解，避免无效的搜索。
整数规划 (Integer Programming)：在线性规划的基础上要求变量为整数，用于处理整数约束问题。
线性规划 (Linear Programming)：求解线性约束下的目标函数最大或最小值，广泛应用于优化问题。
最小生成树算法 (Minimum Spanning Tree)：在带权图中找出生成树，使权值之和最小。
最短路径算法 (Shortest Path)：寻找图中两点之间的最短路径，常用算法包括 Dijkstra 和 Floyd-Warshall 等。
最大流算法 (Max-Flow Min-Cut)：在有向图中找到从源点到汇点的最大流量路径。
拓扑排序 (Topological Sorting)：将有向无环图(DAG)中的节点按顺序排列，保证所有边的方向一致。
图着色算法 (Graph Coloring)：对图的节点进行染色，相邻节点颜色不相同。
背包问题算法 (Knapsack Problem)：在给定背包容量和物品价值、重量情况下，选择装入背包使得总价值最大。
网络流算法 (Network Flow)：寻找网络中最大流量和最小割的分配。
插值与拟合算法 (Interpolation and Curve Fitting)：根据已知数据点推导出一个函数以逼近这些点。
数值积分算法 (Numeric