在计算机科学中，X算法可用来求解精确覆盖问题。此名称最早在高德纳的论文《舞蹈链》中出现，他认为此算法是“试错法中最显而易见”的。 就技术而言，X算法是一个深度优先的不确定性回溯算法。由于X算法是一个解决精确覆盖问题的简洁方法，高德纳希望通过该算法体现舞蹈链数据结构的高效性，他把使用后者的X算法称为DLX。
X算法用由0和1组成的矩阵来表示精确覆盖问题，目标是选出矩阵的若干行，使得其中的1在所有列中出现且仅出现一次。
X算法的步骤如下：
选择的不确定性意味着算法将派生出若干独立的子算法，每个子算法都从其父算法中继承了去除部分行列的矩阵。如果其中有一列全为零，则当前情况无解，子算法返回失败，但不一定意味整个问题无解。
实际上，所有子算法形成了一棵搜索树，其中原问题为根节点，树的第层由子算法在第次所选择的行组成。整个算法即用回溯法对搜索树深度优先遍历。
第二步中，无论用什么方法选择列最终都可以得到解，但有的方法效率明显较高。为减少迭代次数，高德纳建议每次都选取1最少的列。
例如，考虑以下精确覆盖问题：全集 = {1, 2, 3, 4, 5, 6, 7} ，现有U的六个子集, , , , , }，其中：
此问题可用矩阵表示为：
根据高德纳的建议，每次都选取1最少的列，则X算法的执行步骤如下：
第0层
第一步：矩阵非空，故算法继续执行。
第二步：1最少的列为第一列，含有两个1。所以选择第一列：
第三步：A行和B行第一列均为1，所以依次选择这两行继续搜索。
于是算法开始搜索树的第1层第一个分支：
第0层没有其他可选择的行，算法最终停止。
综上所述，用X算法得出本问题只有一个解：, , }。
高德纳主要想通过X算法体现舞蹈链的实用性。他发现了使用舞蹈链的X算法效率极高，并把这一过程称为DLX。DLX用矩阵来表示精确覆盖问题，在内部的存储结构为舞蹈链。舞蹈链是一个双向环形链表，每个矩阵中的1都有一个指针指向其左、右、上、下的1。因为精确覆盖问题中的矩阵一般都是稀疏的，所以舞蹈链中的元素很少，既很省时间，又很省空间。可见使用舞蹈链的DLX算法无论在选择行时还是回溯错误的选择时效率都很高。
