鲍威尔生活和领导的艺术-我的“13条守则”-事情没你想象的那样糟糕,早上起来一切都会变好

其实,也许会变好,也许不会。这一条反映的是一种态度,而不是一种预言。无论处境多么艰难,我会始终保持乐观、自信的态度。好好睡一觉,8小时之后不利因素会消解很多。晚上你带着一种胜利感离开办公室,影响的远不止你一个人,这种情绪还会感染你的同事,会坚定他们的信念,相信我们可以解决一切困难。

在军校学习的时候,他们不断向我们灌输“一名军官可以战胜一切”的理念:“没有不能战胜的挑战,没有不能征服的困难”;再不就是想想丘吉尔对全世界的宣言,  “英国永远永远不会屈服”;或者,说得直白一点儿,“决不能让那些浑蛋骑到脖子上”。

事情会变得好起来,你们会让一切变得好起来。”我们说过要坚信这一点,我也会始终坚信这一点,即使实际情况经常违背意愿。

他们还以不同的方式向我们灌输这一理念:“中尉,你也许饥肠辘辘,但你不能流露出饥饿感,你永远得最后一个进餐;你也许快要冻僵了,又或许热得要死;但你不能让人看出你的冷热;你也许深感恐惧,但你绝不能流露怯意。你是领导,你的情绪会影响所有士兵。”你必须让他们相信,无论情况多么糟糕,你都可以扭转乾坤。

我爱看老电影,从中可以找到很多事例让我更坚定这一人生信念。

经典影片《江湖浪子》一开幕的情节始终是我的最爱。在纽约的一家台球馆里,台球传奇小子艾迪·菲尔森(保罗·纽曼出演)挑战久负盛名的高手明尼苏达胖子(杰基·格黎森出演)。在场的还有冷酷的职业台球经纪人伯特·戈登(乔治·C.斯科特出演)和一群观众。

比赛开始了。显然快手艾迪·菲尔森打得非常好,简直是太棒了。他对明尼苏达胖子步步紧逼,双方你来我往,战至深夜。胖子开始淌汗,更多的人上来围观。快手艾迪和他的经纪人看到了胜利的希望,一切似乎预示着长江后浪推前浪,前浪就要死在沙滩上。胖子几乎想要放弃了,他望着伯特,希望能有办法摆脱困境。伯特只说了一句话:“继续跟这小子斗下去,他输定了。”伯特赌性十足,他发现了快手艾迪的毛病,那就是艾迪过于自负,他们可以利用这一点。胖子似乎仍在节节败退,其间他找了个借口,抽身进了盥洗室。他洗洗手和脸,让自己放松一下,又回到台球室,看上去像要准备离开的样子。他招呼侍应生过去,快手艾迪面露微笑,以为胖子要穿衣服走人,但胖子只是伸手向侍应生要滑石粉,然后诡异地一笑,说:“快手艾迪,让我们再玩儿几把。”接下来的事你们都知道了,胖子挫败了艾迪。

每次不管我面对的是棘手的会议、不愉快的会面、充满敌意的媒体,还是不近人情的国会听证会,我都会在开始前抽身去趟盥洗室,洗洗手和脸,轻声对着镜中的自己说:“快手艾迪,就让我们再玩儿几把吧。”其实在碰到棘手的问题时,我可能沮丧过,但从未认过输。因为我坚信一名军官无所不能。

降到这儿让我剧透一下吧:保罗·纽曼可是个巨星哦。电影里最最后艾迪和胖子又比了一场,最终艾迪赢了胖子。不过我不看这一节。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
鲍威尔法(Powell's method)是一种无约束优化算法,通常用于求解非线性优化问题。其基本思想是通过一系列线性方向的搜索来逼近最优解。 下面是一个基于C语言实现的鲍威尔法程序: ```c #include <stdio.h> #include <math.h> #define EPS 1e-6 double f(double x, double y) { return pow(x + 2 * y - 7, 2) + pow(2 * x + y - 5, 2); } double df(double x, double y, double h) { return (f(x + h, y) - f(x, y)) / h; } double powell(double x, double y) { double h = 1.0; double p = 0, q = 0; int k = 0; double alpha[3] = {0}; while (1) { double fp = f(x, y); double d1 = df(x, y, h); double d2 = df(x + h, y, h); double d3 = df(x, y + h, h); double a = d1; double b = (d2 - d1) / h; double c = (d3 - d1) / h; double delta = b * b - 4 * a * c; if (delta < 0) { break; } double t1 = (-b + sqrt(delta)) / (2 * a); double t2 = (-b - sqrt(delta)) / (2 * a); alpha[0] = 0; alpha[1] = t1; alpha[2] = t2; double min_value = fp; int min_index = 0; for (int i = 0; i < 3; i++) { double xt = x + alpha[i] * h; double yt = y + alpha[i] * h; double ft = f(xt, yt); if (ft < min_value) { min_value = ft; min_index = i; } } if (min_index == 0) { break; } double xt = x + alpha[min_index] * h; double yt = y + alpha[min_index] * h; if (k == 0) { p = 1; q = alpha[min_index]; } else { double beta = alpha[min_index] / alpha[k]; q = p * q * (1 - beta) + p * alpha[k]; p = p * beta; } x = xt; y = yt; k = min_index; if (p < EPS) { break; } } return f(x, y); } int main() { double x = 0, y = 0; double result = powell(x, y); printf("result = %.10f\n", result); return 0; } ``` 在这个程序中,我们定义了一个目标函数 f(x, y),并且实现了一个求导函数 df(x, y, h)。然后,我们使用鲍威尔法来求解目标函数的最小值。在每次迭代中,我们计算出在当前点 x, y 处的梯度,然后通过求解二次方程来得到当前点的搜索方向。接着,我们计算出在三个方向上的函数值,并选择最小的那个方向进行搜索。最后,我们通过新步长和前进方向来新当前点,并重复以上过程,直到满足收敛件。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值