思考札记（一）：算法中人脑和机器脑的比例

思考缘起

这两天随便在CSDN上搜索题目做，搜到了经典的8皇后问题和智慧的贼问题，意识到算法的强大。家里人看到我在一堆数字中画圈圈，想用人脑来解决8皇后问题，还以为我在买彩票……

8皇后问题的解答，网上看到最经典的是DFS算法，当我试着不用该算法解决问题的时候，就意识到自己的脑子不够用了。智慧的贼题目也是一样。

当我想用人脑去写规则的时候，规则越多，就越容易得不到最全的答案。

而规则少的时候，计算机算量非常大，耗时长也能解决问题，可是就容易出现内存溢出的问题，根本等不到答案的冒泡。

如何让自己编写的算法最优化呢？

有题目文字描述的时候，规则 = 题干所有的限制条件。

没有任何一个题干内容是白写的，这和我们读书时候解数学题是一回事儿。当我们把题干的内容，作为限制条件写成算法的规则，去圈定计算机尝试的范围。这是最好的选择。

如果没有题干呢？

比如一个现实的问题，我们想用编程的方法，获得最优解，该如何用人脑去指定规则呢？

• 缩——寻找特例：将一个广谱的问题，缩小到一定范围，比如一个问题“8皇后在8x8的棋盘中，如何摆放才能让皇后们互不相见”，那我们就缩小到5x5，4x4，3x3的棋盘，自己摆摆看，找寻规律。

• 缩 = 让人脑做更多。问题是人脑提出限制条件越多，就越不可能覆盖真理的全部。

• 分析——如果要皇后互不相见，“满足每一行、每一列、每一斜列都独有一个皇后”就是我们分析后得到的约束条件，也就是需要人脑编程来指定的规则。

• 放——广谱化问题：还是那个8x8的皇后问题，如果广谱化摆放，即先在棋盘任意的位置摆放一个皇后，删除永久不能摆放的棋格，下一个皇后就在可选棋格内摆放，再删掉所有永久不能摆放的棋格。这样是否可行呢？

• 广谱化 = 让计算机做更多。当我们广谱化问题后，就会遇到计算机迭代试错的次数增加。但如果我们指定规则，选择从第一行开始摆起，一行行的遍历，默认每一行都只能放一个皇后，判断下一行是否能摆放，放不完8个皇后就回到能放的分支再往下进行选择。——>这就是DFS回溯算法了。

算法的重要性

作为一个小白，到这里明白算法的重要性了。这些总总算法，都是前人走通的路子，这些路子，就是尽量减少了人脑局限，但又能给计算机以一定的规则的方法。如果要从小白自己总结，不知道又要花多少时间。

在网上买了一些算法的书籍，后面博客更新可能会慢很多，因为要扎进算法学习的海洋。

因为我在网上找到的题目，大多数是来自于力扣（https://leetcode-cn.com/），专门去看了，有答题框架，像玩游戏通关一样。听说目前中文版和英文版已经打通，里面有很多算法题可以刷。在本博客系统中曾有大神一年内就通过刷题从小白成为了Microsoft的员工。既然是要付年费，那就等我算法书看完，再去刷题啦。

和各位小白共勉，也向各位大神致敬

老熊去也。