线性模型的一阶可解性从可分离系数的排序规则开始,发展为梯度递增的凸性规则,再到拟阵与独立系统,从而概括一大类经典问题。二阶可解性是借助限位结构,将求解途径纳入基于交错链变换的匹配型算法。可解性的另一线索是从局部的偏序关系扩张为整体的全序关系,即偏序集的线性扩张方法。进而,一旦遇到划分结构,便进入难解性境地。证明NP-困难性的方法,是运用模拟、强迫及变尺度的技巧,构造时序问题的划分模型。在判定NP-困难性之后,精确算法主要是隐枚举,即动态规划与分枝定界。运用动态规划建立伪多项式时间算法,为近似算法做准备。难解性问题的最终归宿是近似算法设计与分析,其中性能比分析的主导思想是运用均值下界及关键工件进行结构松弛,任意精度逼近是运用伸缩尺度方法。最后,概述空间模式的顺序优化,包括车行路线、电路布线、矩阵运算、DNA基因序列重构等。