算法之美

第一，生活中的很多复杂决策，看上去没有规律可循，实际上是可以用算法来解决的。

1, 想买房子了，却拿不定主意该买哪套，怎么办？数学家用算法计算出的策略是，你要把这一个月的时间分成两个阶段。在第一阶段，你只看不买，就是根据自己的购买能力，了解一下市场上哪些房子你喜欢，哪些你不喜欢。记住在这个阶段内你看到过的最满意的那个房子。等到过了37%这个时间点之后,你就进入第二阶段，从这天开始，你一旦遇到一个比第一阶段那个最好的房子好，或者类似的房子，就毫不犹豫地买下来。

2, 找结婚对象也可以用37%规则。比如一个女青年，从18岁开始找对象，设定的目标是在40岁之前结婚，那么根据37%规则，她的两阶段分割点就是26.1岁。所以，在数学家看来，这个女青年的最佳择偶策略是这样的：26.1岁之前是观察期，她应该只交往不结婚，但是必须要记住在交往的男生中间，自己最喜欢的是哪个。26.1岁之后是决策期，再结交新的对象，一旦遇到一个比那个人还好，或者和那个人差不多一样好的男人，就应该马上把他拿下。

3, 我们经常为去哪家餐厅吃饭犯愁。假设你家附近有个餐馆，你已经去过15次，其中9次的体验非常好，有6次的体验不怎么好。你打算明天晚上出去吃饭，那么你是否应该尝试一个新的餐馆呢？数学家提醒我们，计算的关键在于时间因素，假设你还打算在这个城市住很久，那你就应该去积极探索新事物，冒点险是值得的，一旦发现一个好餐馆，将来可以继续去。可是如果你后天就要离开这座城市，那么在离开前的这个晚上，你需要的是最稳妥的体验，所以该去你常去的那个老餐馆。

第二，很多时候我们会沉迷在细节里，看不清大方向，其实是犯了数学上的过度拟合错误。

1 , 一个会议室里坐满了人，一个年轻人对着PPT滔滔不绝，可是台下听报告的一个大佬，有点不耐烦了，随便问了几个问题，年轻人马上被难住，于是大佬否决了年轻人的整个提案。在一线做事儿的人，用了很多很多精力专注于各种细节，可是大佬们想问题却往往是写意的，他们三言两语就能发现问题的关键，作出正确的决策。

2, 有个大学老师，从事教学工作的第一年，备课非常细心，1个小时的课程他会用10个小时准备，教案和PPT无比详尽。到了第二年，他新开了一门课，可是因为工作太忙了，他并没有那么多的时间来备课，不得不简化仓促应对。他自己很焦虑，结果学生反而更喜欢新开的这门课。他准备的时间短，效果反而更好。数学家管这个现象叫做"过度拟合”。

3, 怎么避免过度拟合，书中给了三个建议。第一，限定思考时间。比如一天小时之内必须完成报告。第二，限定内容长度。比如"电梯谈话”。第三，在白板上讨论商业计划，要使用粗的马克笔，笔画越粗，对你的思维越有利，越能逼着你去考虑大局。

第三，数学家能用算法告诉我们，应该着眼未来，还是关注当下。

1, 很多生活问题都是数学问题，本质上是说，你到底应该花费精力去探索新的信息，还是专注于从已有的信息中获得收获。

2, 数学家建议我们考虑时间因素。如果你还很年轻，你就应该积极寻找最适合自己的工作。如果你再过两个月就退休了，你还跳什么槽。有些鸡汤说，我们要把每天都当做生命的最后一天来过，这纯属胡扯，如果你还很年轻，你就应该积极寻找最适合自己的工作。如果你再过两个月就退休了，还跳什么槽？

3, 慢慢变老的过程中，我们的生活其实是越来越好，因为探索新事物的好处并没有我们想象得那么巨大，你会不断地遭受失败。老人不探索，并不是因为他们不敢探索了，而是因为他们不用探索了，他们已经完成探索了。

第四，时间问题本质上是个数学问题，用数学家的办法管理时间，才能活得更有效率。

1 ,关于时间管理，到底应该小事优先、应该要事优先，还是急事优先？其实都是心法，而不是算法，是艺术，而不是技术。

2, 数学家思考的是，找到一套算法给时间管理找个最优解。如果你的任务都是有截止日期的，数学家的建议非常简单，那就是按照截止日期的的早晚安排任务，先做最早截止的任务。这个算法称为“最近截止日期”算法。

3, 如果你想要的是尽可能按时完成更多的任务，那你就应该先放弃那个占用时间最长的任务。

4, 如果这个任务牵涉到别人的等待时间，我们就应该用"小事优先”，也就是完成时间短的任务优先的原则。小事优先，可以确保让等待的时间之和最小化。在小事和要事之间权衡，先估算一下每个任务的"重要程度”，然后你算一算每个任务的"密度"。一个任务的密度二重要程度/完成时间，然后按照任务的密度从高到底的顺序去做事。

总结

总之，生活中的复杂决策，如果用辩证法思维来解决，一定会陷入“哪种说法都有道理”的困局，用数学算法来思考问题，能帮我们避开这种无谓的困局，把决策变成一个数学问题，在这个充满不确定的时代，提高自己作出正确决策的概率。

如果你希望选中最合适公寓的可能性达到最大，那么在看前37%的房子时不要做出任何决定

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 145-146 | Added on Sunday, 28 October 2018 23:40:52

如果你希望选中最合适公寓的可能性达到最大，那么在看前37%的房子时不要做出任何决定（

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 174-175 | Added on Sunday, 28 October 2018 23:43:01

“算法”（algorithm）一词得名于波斯数学家花拉子密。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 202-204 | Added on Sunday, 28 October 2018 23:45:30

目前，计算机科学面临的最难解决的问题其实是人机对话、修复破损文件、下围棋取胜，这些问题都具有规则不明确、所需信息不全，或者需要考虑无数种可能性才可以找出正确答案的特点。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 220-223 | Added on Sunday, 28 October 2018 23:47:14

计算机科学告诉我们：不要总是考虑所有的可选方案；不必每次都追求最佳结果；偶尔犯点儿错误；放下包袱，轻装前进；有的事情可以暂时放一放；相信自己的本能，不要过多思考；放松自己；采用抛硬币的方式；要体谅，但是不能忘记；忠于自我。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 261-261 | Added on Sunday, 28 October 2018 23:49:37

在所有最优停止问题中，最大的难点不在于选择哪一种可选方案，而是确定自己需要考虑多少种可选方案。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 340-340 | Added on Sunday, 28 October 2018 23:56:16

采用最理想的方案也会有63%的失败率，这是一个令人警醒的事实。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 354-354 | Added on Sunday, 28 October 2018 23:58:05

考察申请人的数学最优比例是1/e，

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 364-366 | Added on Monday, 29 October 2018 00:00:28

但是37%法则有一定的灵活性，既可以表示申请者的人数，也可以表示遴选过程持续的时间。假设遴选过程从18岁开始，至40岁结束，那么根据37%法则，在26.1岁时他就应该结束观察期，

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 393-394 | Added on Monday, 29 October 2018 00:27:19

事实证明，不安现状和心存疑虑并不是道德沦丧或者心理退化的标志，而是在合适情境下捕捉二次机会的最有效策略的一个组成部分。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 424-426 | Added on Monday, 29 October 2018 00:30:19

全信息的意义在于我们无须观望就可以直接出手。此时，我们可以运用阈值准则，一旦发现某位申请者的分数高于某个值，就立刻接受她，而不需要先考察一批候选人并确定阈值。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 439-440 | Added on Monday, 29 October 2018 00:33:02

在这种全信息版本的秘书问题中，选中最优秀申请者的可能性是58%。这个概率远谈不上十拿九稳，但是已经大大优于无信息博弈中根据37%法则得到的37%的成功率。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 447-449 | Added on Monday, 29 October 2018 00:34:22

任何标准，只要可以全面反映申请者与其他人对比的情况，就会导致我们弃用摸清情况再行动准则，转而采用阈值准则，同时我们成功找出最优秀申请者的可能性也会大大增加。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 477-479 | Added on Monday, 29 October 2018 00:38:44

如果等待成本非常低，那么在挑选买主时我们几乎无须有任何顾忌。如果等待下一个报价的成本仅为1美元，那么为了赚取尽可能多的钱，我们可以一直等到有人愿意支付499552.79美元时才出手。少一分钱，我们都不会卖给他。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 498-501 | Added on Monday, 29 October 2018 00:40:06

即使我们可以重新考虑之前的报价或工作邀请，即使我们可以肯定那个报价或工作邀请仍然有效，我们也绝不应该重新考虑它。如果之前它没有达到阈值的要求，那么现在它也不会高于阈值。在拒绝那个报价或工作邀请之后，我们的付出已经成为已支付成本。因此，不要妥协，不要试图亡羊补牢。坚持住，不要回头！

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 588-589 | Added on Monday, 29 October 2018 01:09:05

有的时序决策问题似乎没有最优停止准则，尽管从我们前面讨论的大量问题看，似乎不应该出现这种情况。“要么三倍，要么赔光”的博弈游戏就是一个简单的例子。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 609-610 | Added on Monday, 29 October 2018 01:10:20

有超过4/5的人出现了出手过早的情况。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 613-615 | Added on Monday, 29 October 2018 01:10:41

这种不耐烦的表现说明经典秘书问题忽略了另外一个需要考虑的因素——时间。别忘了，在你寻觅秘书的全过程中，你没有秘书可用。此外，你把时间都花在面试上，自己的工作就无法完成了。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 622-623 | Added on Monday, 29 October 2018 01:11:42

在寻觅工作持续了一段时间之后，我们人类通常就会感到厌烦，即使理性的人也难以避免。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 651-653 | Added on Monday, 29 October 2018 01:22:07

你喜欢的每一首“最好的”歌、每一家“最好的”餐馆，在刚开始的时候，对你而言也不过是一个“新鲜”事物。这就说明或许还有一些最好的东西不为我们所知，因此，新鲜事物至少值得我们略加关注。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 660-661 | Added on Monday, 29 October 2018 01:22:41

探索的意思是收集信息，而利用则指利用所拥有的信息，以产生一个好的结果。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 700-702 | Added on Thursday, 1 November 2018 17:37:56

当我们在喜爱的体验与新鲜的体验之间取得平衡时，最重要的莫过于为享受这些体验制订计划的那个中间环节。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 712-714 | Added on Thursday, 1 November 2018 17:38:52

当你有时间使用探索带来的知识时，就大胆探索。当你准备兑现探索的成果时，就尽情利用。利用好剩余时间就是正确的应对之策。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 748-748 | Added on Thursday, 1 November 2018 17:44:19

当我们预先知道所有的可选方案以及赢钱机会时，就能求出这个问题的精确解。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 817-818 | Added on Thursday, 1 November 2018 17:51:52

由此可见，基廷斯指数以一种正式、严谨的形式，证明了在有机会对探索结果加以利用时，我们应该倾向于选择未知的新事物。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 844-848 | Added on Thursday, 1 November 2018 17:54:22

当我们选择吃饭地点、伙伴或者居住城市时，遗憾常常会笼罩在我们心头——面对一堆好的可选方案，结果却做出了一个错误的选择，我们往往难以原谅自己。令我们遗憾不已的常常是我们没有做的事情，或者是从来没有尝试过的选择方案。用管理理论学家切斯特·巴纳德的话来说就是：“尝试后即使遭遇失败，也至少是一个学习的过程；如果不去尝试，就会与机会失之交臂，造成无可估量的损失。”

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 850-852 | Added on Thursday, 1 November 2018 17:54:49

贝佐斯说： 我找到一个可以帮助我轻松做出重大决定的框架，并把它称作“遗憾最少化框架”（一个书呆子气十足的名称）。我把自己想象成80岁

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 850-855 | Added on Thursday, 1 November 2018 17:54:58

贝佐斯说： 我找到一个可以帮助我轻松做出重大决定的框架，并把它称作“遗憾最少化框架”（一个书呆子气十足的名称）。我把自己想象成80岁的模样，然后开始思考：“现在回望我的一生，我要把遗憾之事的数量降到最低。”我知道在我80岁时，我不会因这次尝试而后悔，我不会后悔参与到互联网这项我认为非常重要的事业中来。我知道，哪怕我失败了，我也不会遗憾，而我可能会因为没有尝试而感到遗憾，而且这种遗憾之情将永远萦绕在我的心头。想到这里，这个决定就变得非常容易了。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 862-867 | Added on Thursday, 1 November 2018 17:56:36

第一，假设你不是全知全能，那么让你感到遗憾的事情可能就会不断增加，永远无法停止，即使你选择的是最有效策略，这是因为，即使最有效策略也不一定每次都是完美无缺的。第二，如果你选择的是最有效策略，那么遗憾增加的速度就会比你选择其他策略时的速度慢一些，在采用好的策略时，遗憾增加的速度将越来越慢，因为你对问题的了解程度在加深，做出更明智选择的能力在加强。第三，同时也是最具体的一个特点，数量最少的遗憾（同样需要假定你不是全知全能）就是每次拉下老虎机把手时遗憾的数量以对数速率增加。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 868-869 | Added on Thursday, 1 November 2018 18:01:37

意味着在10年时间里，第一年留下的遗憾数量等于其余9年留下的遗憾总和。（

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 892-894 | Added on Thursday, 1 November 2018 18:03:59

上限置信区间算法的成功，是对怀疑者的一个正式回应。根据这些算法给出的建议，我们应该满怀激情地结识新人，尝试新鲜事物，因为在没有相反证据的时候，我们都应该假定可以取得最好的结果。从长远看，乐观主义是防范遗憾的最有效措施。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 918-920 | Added on Thursday, 1 November 2018 18:05:49

2009年，谷歌就曾有测试41种蓝色以确定某个工具条颜色的行为。）在某些情况下，任何两个用户可能都不会得到完全相同的体验。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 935-936 | Added on Thursday, 1 November 2018 18:12:41

回报。在谷歌近500亿美元的年收入额中，超过90%的比例来自付费广告，而互联网商务一年的成交额为数千亿美元。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 935-936 | Added on Thursday, 1 November 2018 18:12:48

回报。在谷歌近500亿美元的年收入额中，超过90%的比例来自付费广告，而互联网商务一年的成交额为数千亿美元。这说明探索与利用算法是互联网的一个非常重要的经济技术动力来源。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 935-936 | Added on Thursday, 1 November 2018 18:13:02

在谷歌近500亿美元的年收入额中，超过90%的比例来自付费广告，而互联网商务一年的成交额为数千亿美元。这说明探索与利用算法是互联网的一个非常重要的经济技术动力来源。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1021-1021 | Added on Thursday, 1 November 2018 18:30:02

一般而言，人们似乎倾向于过度探索——对新鲜事物的青睐程度超过效果最佳的事物。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1083-1085 | Added on Thursday, 1 November 2018 19:48:03

随意按动按钮、对新玩具非常感兴趣、思维跳跃性强，这些都是孩子们的特点。如果他们的目标是探索，这些就正是他们应该做的事情。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1088-1091 | Added on Thursday, 1 November 2018 19:48:33

实际上，在做很多决定时，理性的做法是强调探索的重要性，重视新的东西而不是最好的东西，重视令人为之兴奋的东西，而不是一味追求安全，重视随机选择，而不是深思熟虑的决定。在人生早期，更应该如此。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1104-1104 | Added on Thursday, 1 November 2018 19:49:15

老年人的社会关系越来越简单，是他们主观选择的结果。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1104-1106 | Added on Thursday, 1 November 2018 19:50:09

这个变化是“一生的选择过程造成的结果。人们利用这个选择过程构建他们的社交网络，并且通过仔细谋划，适应调整，最大限度地提高社交和情感收益，同时最大限度地减少社交和情感风险”。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1107-1109 | Added on Thursday, 1 November 2018 19:50:23

老年人“修剪”一些不重要的关系，以便把注意力高度集中在亲朋好友身上，这才是造成他们的社交网络逐渐变小的主要原因。这个过程似乎是一个深思熟虑的选择：当人们接近生命的终点时，他们希望更多地关注对他们来说最重要的人。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1255-1257 | Added on Thursday, 1 November 2018 20:10:13

谷歌的工程师们爆发出一阵欢呼。一位工程师后来回忆道：“他竟然知道冒泡排序，我一下子就被打动了。”

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1408-1408 | Added on Monday, 5 November 2018 00:18:23

杂乱无序可能会被认为是一种拖延的行为——把责任推给未来的自己，

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1427-1428 | Added on Monday, 5 November 2018 00:19:33

利用现行办法确定的名次，除了第一名，其他的都毫无意义。”直白地说，银牌是一种假象。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1428-1430 | Added on Monday, 5 November 2018 00:19:43

写道，“实力排第二位的运动员获得应得名次的机会只有16/31，而最优秀的4名运动员获得与实力相称名次的机会非常小，发生的概率为1/12！”

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1428-1430 | Added on Monday, 5 November 2018 00:19:47

写道，“实力排第二位的运动员获得应得名次的机会只有16/31，而最优秀的4名运动员获得与实力相称名次的机会非常小，发生的概率为1/12！”

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1492-1494 | Added on Monday, 5 November 2018 00:25:24

如果比分是3：2，那么获胜球队实力强于对手的概率只有5/8……就我个人而言，我觉得这并不是一个难以接受的事实。即使是6：1的完胜，也有7%可能是统计学上的一个巧合。”

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1502-1503 | Added on Monday, 5 November 2018 00:26:10

冒泡排序的效率的确低下——每次只移动一个位置，但是它们对抗噪声的能力比较强，远胜于合并排序等速度更快的算法（

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1534-1536 | Added on Monday, 5 November 2018 00:29:48

在某些方面，作为职业扑克玩家，最重要的技能是能够评估自己的水平。如果你不是世界上最优秀的扑克玩家，如果你总想和更优秀的玩家同台竞技，那么你最终必将倾家荡产。”

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1548-1549 | Added on Monday, 5 November 2018 00:30:44

如果一个动物根据它对等级概念的了解，判断不值得实施某个对抗行为，就会发生转位这种现象。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1559-1562 | Added on Monday, 5 November 2018 00:31:39

牲畜的“道德培养”可能包括限制牲畜的群体规模。（生活在野外的野鸡群规模在10~20只之间，远小于商业农场中的鸡群。）研究还表明，几周之后，攻击行为就会逐渐消亡，除非有新的成员加入群体。这个发现表明，动物群体是一个秩序井然的群体。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1564-1565 | Added on Monday, 5 November 2018 00:32:23

在猕猴群体中，只有在每只猴子都对等级关系有一个非常详细（而且彼此差不多）的理解时，打斗的频次才会降至最低，否则暴力事件就会层出不穷。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1608-1609 | Added on Monday, 5 November 2018 00:35:37

正因为现代社会以竞争取代争斗，才使人类脱颖而出，与猴子、鸡和老鼠划清了界限。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1602-1604 | Added on Monday, 5 November 2018 00:35:54

确定一个国家的地位本来至少需要线性对数的争斗与决议，但是在建立基准之后，通过一个参考点，就可以确定所有国家的地位。鉴于国与国之间的地位纷争常常诉诸武力，标准的建立不仅节省了时间，更挽救了生命。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1770-1772 | Added on Monday, 5 November 2018 00:48:34

1/4的互联网流量是由一家位于马萨诸塞州的公司处理的，但是这家公司总是想方设法，不让自己出现在头条新闻中。它就是从事缓存业务的阿卡迈公司。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1774-1775 | Added on Monday, 5 November 2018 00:48:50

互联网完全是由一捆捆电线和一个个金属架组成的，它与地理的联系比你想象的要紧密得多。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1794-1796 | Added on Monday, 5 November 2018 00:51:14

高需求物品被放置在一个更容易进入的区域。这个区域就是亚马逊的“高速缓存”。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1800-1802 | Added on Monday, 5 November 2018 00:51:43

预测个人购买行为是有挑战性的，但是当预测数千人的购买行为时，大数定律就会生效。比如某一天，伯克利的一个人想订购再生纸质卫生纸。就在他下单的时候，这些卫生纸已经完成大部分配送环节，很快就会送到。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1820-1821 | Added on Monday, 5 November 2018 00:52:41

首先，当你决定物品该扔还是该留时，最近最少使用原则可能是一个有效的指导原则，其效果比先进先出原则好得多。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1823-1824 | Added on Monday, 5 November 2018 00:52:54

其次，合理利用地理位置。尽可能把物品的“缓存”建立在它们通常使用的位置附近。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1888-1889 | Added on Monday, 5 November 2018 00:57:27

把东西扔回成堆物品的顶部，是你在无法预测未来时可以采取的最有效的做法。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1927-1929 | Added on Monday, 5 November 2018 00:59:50

如果事物淡出我们记忆的模式与它被我们逐渐弃用的模式完全相同，那么埃宾豪斯的遗忘曲线就很好解释了——大脑为适应世界而完成的精确调整，目的恰恰是为最可能需要的事物腾出空间。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1966-1968 | Added on Friday, 9 November 2018 01:04:11

所谓的“认知能力衰退”（滞后和检索错误）可能并不表明搜索过程变慢或者搜索能力退化，而是我们所面对的信息量不断变大所带来的一个不可避免的后果（至少是原因之一）。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1979-1980 | Added on Friday, 9 November 2018 01:05:36

在信息检索中偶尔出现的不协调的滞后，是在提醒我们，把我们需要的内容放在大脑的“前台”，会让我们在剩下来的时间里受益良多。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1985-1985 | Added on Friday, 9 November 2018 01:06:36

我们度过每一天的方式，自然就是度过一生的方式。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 1992-1993 | Added on Friday, 9 November 2018 01:07:11

你也许会想起亚里士多德的这句话——“重复的行为造就了我们”，这种行为可能是拖地、与家人共度更多时光、准时发传真，或者学法语。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2043-2045 | Added on Friday, 9 November 2018 01:13:53

如果你要降低最大延迟时间，那么最佳策略就是你先从截止日期最近的任务开始，再以此类推逐渐执行。这一策略被直观地称为最早到期日原则。（

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2075-2076 | Added on Friday, 9 November 2018 01:16:11

将完成时间总和最小化可以引申出一个非常简单的优化算法——

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2075-2077 | Added on Friday, 9 November 2018 01:16:22

完成时间总和最小化可以引申出一个非常简单的优化算法——最短加工时间：总是先做能最快完成的任务。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2075-2077 | Added on Friday, 9 November 2018 01:16:31

将完成时间总和最小化可以引申出一个非常简单的优化算法——最短加工时间：总是先做能最快完成的任务。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2111-2112 | Added on Friday, 9 November 2018 02:09:24

的事情做，重要的东西就会迷失在混乱中。 我们

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2158-2160 | Added on Saturday, 10 November 2018 00:37:02

歌德曾说：“最重要的事情永远不应该受到不重要事情的影响。”虽然这有一定的道理，但它也不都是真的。有时候，最重要的事要等不重要的事情完成之后才能进行，

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2205-2207 | Added on Saturday, 10 November 2018 00:50:33

最近的一项调查表明，在所有问题中大约有7%是仍然未知的，就是调度的未知领域。然而，在我们所理解的93%的问题中，现实也并不是很理想：只有9%的问题可以被有效解决，其他的84%已经被证明是难解的。[

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2216-2217 | Added on Saturday, 10 November 2018 17:13:06

但有一个转折可以使它更容易：能够中途停止一个任务的执行切换到另一个任务。“抢占”这个属性最后会戏剧性地改变整个游戏。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2227-2228 | Added on Saturday, 10 November 2018 17:15:59

即使你不知道什么时候会开始工作，最早到期日和最短加工时间仍然是最佳的策略，这能够保证你在面对不确定性时表现出最佳状态（平均来说）。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2233-2233 | Added on Saturday, 10 November 2018 17:16:40

每接到一件新工作时，通过其将耗费的时间来对其进行重要性的划分。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2260-2262 | Added on Saturday, 10 November 2018 17:19:09

任何一个人，如果你在一小时内被中断几次，那么你就有这一个小时什么都做不成的危险。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2262-2264 | Added on Saturday, 10 November 2018 17:19:27

我的一位编程的朋友说，正常的一周工作时间不适合他的工作，因为对他来说，一天工作16小时的效率是每天8小时的两倍多。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2264-2265 | Added on Saturday, 10 November 2018 17:19:38

写不到90分钟就不会有什么成果，因为前半个小时几乎出不了成果，

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2393-2395 | Added on Saturday, 10 November 2018 17:29:20

特兰·罗素 人类获得的所有知识都是不确定的、不准确的和不全面的。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2413-2415 | Added on Saturday, 10 November 2018 17:31:41

大卫·休谟 因此，如果我们相信过去的经验，并把它作为我们判断未来的标准，那这些标准就一定不是确定的。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2556-2558 | Added on Saturday, 10 November 2018 18:01:11

在认识到哥白尼原则是无信息先验基础上的贝叶斯法则之后，就可以回答很多关于其有效性的问题。哥白尼原则在我们什么都不知道的情况下似乎是合理的、准确

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2556-2558 | Added on Saturday, 10 November 2018 18:01:15

在认识到哥白尼原则是无信息先验基础上的贝叶斯法则之后，就可以回答很多关于其有效性的问题。哥白尼原则在我们什么都不知道的情况下似乎是合理的、准确的，

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2560-2561 | Added on Saturday, 10 November 2018 18:01:24

更好。我们给贝叶斯法则带来的先验信息越丰富，我们便能从中得到越有用的预测。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2584-2588 | Added on Saturday, 10 November 2018 18:05:27

人们常常感叹“富人会变得更富有”，实际上“偏好依附”的过程是产生幂律分布的最可靠的方法之一。我们使用最多的网站往往就是最有可能获得导入链接的网站，拥有最多人追随的网络红人就是最有可能获得新支持者的人，最有声望的公司就是最有可能吸引新客户的公司，最大的城市就是最有可能吸引新居民的城市。在这每一种情况下，幂律分布都会得出这个结果。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2655-2657 | Added on Saturday, 10 November 2018 18:27:03

但是这一个统计数字（8个月）并没有告诉他任何关于幸存者的分布。如果这是一个正态分布，那么平均法则将给出一个相当明确的预测，告诉他还可以活多久：约8个月。但是，如果它是幂律分布，尾部延伸到右侧，那么情况就会大不相同：相乘法则会告诉他，他活得越久，就会有越多的证据证明他能活得更长。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2680-2680 | Added on Saturday, 10 November 2018 18:30:48

在我们没有良好先验的情况下，我们就无法很好地预测。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2712-2713 | Added on Saturday, 10 November 2018 18:34:00

学习自我控制是一个重要的问题，但在一个成年人始终能信赖的环境中成长也是同样重要的。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2729-2731 | Added on Saturday, 10 November 2018 18:36:51

之后，在与他人沟通和保持准确的先验世界之间有一种奇怪的压力。当人们谈论感兴趣的事或说一些他们认为听众也会感兴趣的故事时，就偏离了我们的经验统计。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2793-2794 | Added on Saturday, 10 November 2018 18:43:21

确，若模型中包含更多的因素，从定义上来说，会更拟合我们已经现有的数据。但更好地拟合现有数据并不一定意味着会得出更好的预测结果。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2819-2820 | Added on Sunday, 11 November 2018 01:55:45

过度拟合就是对数据的一种偶像崇拜，产生的原因是将重心放在我们能够测量的数据而不是真正重要的问题上。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2836-2837 | Added on Sunday, 11 November 2018 01:57:00

我们可以过度拟合食物的味道。我们越能熟练地操纵食物（我们的生活方式和祖先的生活方式就越不一样），只有一种度量之下的味道就越不完美。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2846-2846 | Added on Sunday, 11 November 2018 01:58:44

在真正决斗中没什么作用的技术已经成为击剑比赛中的关键技能。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2850-2851 | Added on Sunday, 11 November 2018 01:59:05

激励结构是有效的，所以你对激励别人做的事必须非常小心，因为不同的激励结构产生的不同后果是你所不能预料的。”

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2883-2883 | Added on Sunday, 11 November 2018 02:07:39

交叉验证意味着不仅要评估模型是否适合给出的数据，还要看它是如何概括没有见过的数据。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2896-2898 | Added on Sunday, 11 November 2018 02:08:45

如果一个学校的标准化考试成绩上升，而其“非标准化”方面的表现却在向相反的方向移动，管理人员便会意识到一个明确的警告——“应试教育”已经出现，学生的技能开始对考试本身这个机制出现过度拟合。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2905-2905 | Added on Sunday, 11 November 2018 02:24:08

如果你不能简单地解释一个问题，那你就没有完全理解它。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2915-2919 | Added on Sunday, 11 November 2018 02:28:02

呢？在1996年，由生物统计学家罗伯特·蒂什拉尼发现的一种算法，被称为套索算法，这被用作对模型中各因素总和的惩罚。[1]通过将这种下行压力放到因素的总权重上，套索算法将驱使它们降为零。只有对结果有很大影响的因素才能保留在方程中，因此有可能将一个过度拟合的九因素模型转化为一个简单的、更强大的、只有最关键因素的公式。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2952-2954 | Added on Sunday, 11 November 2018 02:38:14

启发式的研究表明，更少的信息、计算和时间，其实是可以提高准确度的。”支持启发式思想的人更喜欢简单的答案，用更少的因素，或更少的计算，这正展现出“少即是多”的效果。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 2994-2995 | Added on Sunday, 11 November 2018 02:56:09

许多预测算法都是先寻找单一的最重要的因素，而不是直接跳跃到多因素模型。只有找到第一个因素后，才会去寻找第二重要的因素添加至模型，然后再找下一个。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3019-3020 | Added on Sunday, 11 November 2018 03:05:12

当你真正处于黑暗中，最好的计划将是最简单的。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3016-3018 | Added on Sunday, 11 November 2018 03:05:54

如果你有很高的不确定性和有限的数据，那么务必提前停止。如果你不清楚你的工作将如何被评估，以及由谁来评估，那么你就不值得花额外的时间来对你自己（或者其他人）的特质做出所谓完美的判断。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3142-3143 | Added on Sunday, 11 November 2018 03:34:31

松弛不能为你提供完美答案的捷径。但是计算机科学也可以量化松弛在时间和解决方案质量之间产生的比例权重。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3162-3164 | Added on Sunday, 11 November 2018 03:37:13

竞选活动经理和企业营销人员想要解决的问题，即最有效地传播他们的信息。这也是流行病学家研究的问题，例如，给人口中最低数量的人接种疫苗，以保护整个社会免受传染病的威胁。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3191-3192 | Added on Sunday, 11 November 2018 03:39:40

在拉格朗日松弛法中，我们采用一些问题的约束并将它们放入计分系统

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3308-3309 | Added on Sunday, 11 November 2018 04:21:53

蒙特卡罗法，这种方法因摩纳哥的蒙特卡罗赌场而得名，

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3307-3309 | Added on Sunday, 11 November 2018 04:22:00

梅特罗波利斯将这一方法（将详尽的概率计算用抽样模拟进行代替）命名为蒙特卡罗法，这种方法因摩纳哥的蒙特卡罗赌场而得名，因为该场所同样依赖于变幻莫测的机会与运气。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3337-3338 | Added on Sunday, 11 November 2018 04:24:43

几乎所有的安全通信网络，无论是商业、银行还是电子邮件，都是从寻找质数开始的。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3341-3343 | Added on Sunday, 11 November 2018 04:24:48

但检查一个12位的数字是否为质数，就要将它除以78498个小于100万的质数，那么这就明显开始失控了。现代密码学中使用的质数有几百位长（还是忘了它吧）。

==========

算法之美 (布莱恩·克里斯汀)

- Your Highlight at location 3500-3502 | Added on Wednesday, 21 November 2018 07:18:25

即使我们找到了一个无法通过任何细小调整来改进的解决方案，我们仍然有可能遗漏了全局最大值。真正的最佳旅行路线可能需要对旅行方案进行彻底的修整：以不同的顺序来安排整个计划路线