C
C 是一个专为教育目的打造的开源算法集合,使用基础且通用的 C 语言实现了数学、机器学习、计算机科学及物理等领域的多种经典算法。它主要解决了学习者在研究算法原理时,常因依赖复杂外部库或缺乏详细注释而难以深入理解核心逻辑的痛点。
C 非常适合计算机专业的学生、教育工作者以及希望夯实底层基础的开发者使用。通过阅读其源码,用户可以清晰地洞察算法从理论到代码的实现过程,甚至对比同一问题的不同解决策略与优化方案。
该项目拥有显著的技术亮点:所有代码均严格遵循 C11 标准,仅依赖标准 C 库(libc),无需任何外部依赖即可编译运行,这使其具备极高的可移植性,能轻松迁移至 ESP32、ARM Cortex 等嵌入式系统。此外,每个程序都内置了自我检查机制以确保实现正确,并配有详尽的文档和流程图。代码经过持续的自动化测试,兼容主流操作系统,是探索算法本质、进行教学演示或构建嵌入式应用的宝贵资源。
使用场景
某高校嵌入式系统课程的学生团队,正尝试在资源受限的 ESP32 微控制器上实现一套基础的环境数据异常检测算法。
没有 C 时
- 依赖环境复杂:学生习惯使用 Python 原型验证,但将其移植到嵌入式设备需配置复杂的交叉编译环境且运行时内存占用过高。
- 算法原理黑盒:直接调用高级语言封装好的库函数,导致学生无法深入理解排序、搜索或统计算法底层的内存管理与指针操作逻辑。
- 代码移植困难:网络上找到的示例代码往往依赖特定操作系统 API 或第三方库,难以在不修改核心逻辑的情况下迁移到裸机环境。
- 验证成本高昂:缺乏标准化的自测机制,每次修改算法后需手动烧录测试,难以快速确认逻辑正确性。
使用 C 后
- 原生零依赖运行:C 提供的所有算法均仅基于标准 libc 库,无需任何外部依赖即可直接在 ESP32 上编译运行,完美契合资源受限场景。
- 源码即教材:每个算法都配有详尽的文档和原子化实现,学生可通过阅读源码清晰掌握从内存分配到指针运算的每一个底层细节。
- 跨平台无缝迁移:严格遵循 C11 标准确保了代码的高度可移植性,同一份代码无需修改即可在 MacOS 开发环境与 ARM Cortex 嵌入式端流畅执行。
- 内置自测信心:程序内部集成的自检功能可在编译阶段自动验证算法正确性,大幅减少了反复烧录调试的时间成本。
C 将抽象的算法理论转化为可触摸、可移植且高效运行的底层代码,成为连接学术教育与工业级嵌入式开发的坚实桥梁。
运行环境要求
- Linux
- macOS
未说明
未说明

快速开始
算法 - C # {#mainpage}
概述
该仓库是一个开源项目,包含了用 C 语言实现的各种算法,并采用 GPLv3 许可证进行授权。这些算法涵盖了计算机科学、数学与统计学、数据科学、机器学习、工程学等多个领域。这些实现及其相关文档旨在为教育工作者和学生提供学习资源。因此,针对同一目标,可能会存在多种不同的算法策略和优化方法。
特性
- 该仓库提供了使用最基础的通用编程语言之一——C 语言——实现的各种算法。
- 文档详尽的源代码为教育工作者和学生提供了宝贵的资源。
- 每个源代码都基于标准 C 库
libc,无需任何外部库即可编译和运行,从而可以深入研究算法的基本原理。 - 源代码会在每次提交时,分别在 macOS 和 Ubuntu(Linux)这两个主流操作系统上,使用 AppleClang 14.0.0 和 GNU 11.3.0 最新版本进行编译和测试。
- 严格遵循 C11 标准,确保代码几乎无需修改即可移植到嵌入式系统,如 ESP32、ARM Cortex 等。
- 程序内部的自检机制能够以高度的信心保证实现的正确性。
- 模块化的实现方式和开源许可使得这些函数可以方便地被其他应用程序所使用。
文档
在线文档直接由仓库源代码生成。文档中包含所有资源,包括源代码片段、程序执行细节、程序流程图示,以及必要的外部资源链接。 点击文件菜单查看所有已记录代码的文件列表。
由The Algorithms 贡献者编写的C 语言算法文档采用CC BY-SA 4.0许可证。
贡献
作为一个由社区开发和维护的仓库,我们欢迎新的、无剽窃且高质量的贡献。请阅读我们的贡献指南。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。