控制算法工程师是怎样炼成的

搞算法的那帮神棍一天都在干嘛？

没干啥事，凭什么拿那么高工资，太不公平了?

想成为算法工程师该怎么修炼？

能问出这些问题的人，多半不是搞算法的同行。不过下文会解答这些疑问，以帮助更多的人理解算法工作，特别是有雄心的老板，负责的HR职员，专业的猎头，以及有志于算法的工程师。

 

 

认知的过程，是一个理论和实践不断循环的过程。理论是前人从实践中总结的，去实践才会对理论有更深刻的认识。在不断实践的过程中，又不断总结经验教训，进而上升为理论。“流水不腐”，让认知循环运动起来，不断更新认知，才有源头活水，才有不一样的工作输出，才有长久的职业生命力。这也是谈论“工作经验”时要把握的内涵。

理论和实践的辩证关系，具有哲学上的普适性，当然并不只针对某一个人。而控制算法的特点决定了对它的认知过程，也决定了控制算法工程师的成长规律。

首先是数学模型，客观世界是连续的，使用微分方程组描述；算法是数字实现，数字世界是离散的，使用差分方程组描述。其次是专业领域知识，自动控制需要熟识自动控制理论，知识元有：传递函数，状态空间，稳定性，反馈系统，状态观测器等。再次是数字实现，CPU用编程语言如C语言，FPGA用硬件描述语言如VHDL，这需要掌握相应的数字器件，精通对应的语言。这些都是基本的知识点，但是需要打通任督二脉，将这些知识点融汇贯通，才能做到胸有成竹，才会运用得游刃有余。

数学是一种能力，是在从小学到大学的漫长学习过程中培养起来的。一些人高中选择学习文科，就是因为看到抽象的公式头皮发麻。数学能力就是把畏惧变为欣赏，看到公式背后的美妙并由衷赞叹。数学公式的背后就是奇妙的自然景点，只是欣赏这种景点靠的是脑力而不是眼力。算法工程师需要数学这种能力，将规律抽象为公式，透过公式看到规律。因为被控对象要通过公式描述，控制规律也是公式描述的，相互交流也得用公式表达。

在学生时代看来，自控理论有一堆公式，一堆理论，非常像数学。那是因为自控理论已经是一类规律的总结，对很多被控对象普遍适用。只有联系实际，才会知道那些概念意味着什么。比如位置超调，撞到机械限位，机械就坏了。比如稳态误差，幅值大了会明显感觉到抖动，频率高还会听到难听的噪音。不懂控制理论，有人就敢质疑那些系统设计方法太理论。不懂控制理论，即使有一套算法实现，也调不了一个参数。不懂控制理论，调了参数，也无法判断是否最优。

编程语言和数字器件，是两门实践性较强的技术，需要通过实践去强化认识，加深理解。在数字器件上编程练习，是掌握这两门技术的有效方法。数字器件众多，学了51单片机，再用一用复杂点的单片机，总结出单片机一类器件的应用规律，就不再局限于某一款单片机。对于一门编程语言，掌握全部语法和控制流程只是基础，简洁易读可重用也是要追求的，软件组织形式编程思想也必须被重视。算法还要讲究时间空间效率，嵌入式算法对效率有更严苛的要求。

“万小时天才论”的确是有道理的。10000小时是成为一个专家的必要时间，这意味着连续三年半每天8小时有效投入。除去周末节假日，再减去无效时间， 5×8小时这样工作，大概应该要5年以上。8小时之外的业余时间可以用来补充有效投入时间，从而成长得更快。所以“一个人的成就取决于他的业余时间”，这种说法也不只是鸡汤。但是996却不是一种可持续的工作方式，因为长期的疲劳状态，必然对应长期的低下效率，而且也削弱8小时之外可能的有效投入，不利于长远发展。

简单重复的工作，比如流水线工人，理论实践循环的最终结果，就是机器人的应用及其效率的不断提升。复制粘贴的程序员的确应该有一些危机感，在工作过程中，应该向深度或者广度不断拓展，否则就徒然浪费了成长的时间。认知必须要跟上“工龄”，否则就会被后来者淘汰。因为大家都默默遵守这条规律：“酬薪”跟“工龄”，“工龄”跟“工作能力”，并不是成正比例的关系。只是并不是都能清楚地意识到。较为合理的关联是 “酬薪”跟“工作对象”“工作能力”，单位由“工作对象”选择合适的“工作能力”，个人根据 “工作能力”确定“工作对象”。

作为一个控制算法工程师，要名副其实，就要掌握更多的理论知识和实践技术，查阅大量中英文文献，不断跟踪国内外先进的进展，静下心来踏实沉淀，持续投入，深入理论，联系实际，输出创新的工作成果。沉淀不浮躁，复杂不重复，这才是控制算法工程师的硬核技能。经验不等于手熟，算法也不是简单重复，无论怎么讲，算法都是复杂的创造性劳动。