赛场上深刻感受到了，算法竞赛巨大的台阶压力，对建诸于高级数据结构和算法的解决策略来说，
处于当前知识水平的我是无法在部分有效的思考时间内找到方法的，即使假设具有最深入的有效的
思考方式，走过前人的知识发展路径，所花费的时间也是几何级数的。
问题在于，同阶段水平的巨大差异，除了基本解释——思维方式的滚雪球效应，其本质在什么地方呢。
就在系统性的考虑之上，当前的最优策略总是显而易见，但是对于较长时期的发展来说，相对较好的思维方式并不是很好去发现和实践
就算法竞赛而言，每一个算法的实现细节都有待深入挖掘。理解越深入，应对各种的问题也就能快速准确地找出关键解决方案。
然而究竟什么是理解深入，怎样才能达到理解深入这一虚化的概念呢。
首先最基础的一点，实践量的增长或多或少都会促进理解的深入，而基于逻辑的推演，能告知你算法的核心。
一天的时间内，人的精力流有限，而耗散往往很多。如果可以策略性的转移精力流，放诸于待解决问题的思考点。那么理解深入的推进过程将会大幅度加速。
没错，就拿理解递归来说，手动的单步模拟是思考的引发，
不断地运用费曼技巧（未知方法的代称）——重演逻辑链，强调已知条件，可以在有限的时间
比如一天，理解它的基本原理，当然距离应用的千变万化，仍需要一段时间的锻炼。
现在，有必要详细地说明，如何实现思考过程的推进，我尝试用自然语言不定量，伪科学地描述。
表征现象->问题与概念定义->分而化之->步骤的清晰解释
深入操作：对一个表象的分化，概念的解释，步骤的推演，达到临界，即找到当前的漏洞，或者换句话知识的理解核心。
外在的要求是长时间的精神集中。
即（虚构而未知）策略转移精力流。
—————————实践报告更新——————————————
178
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
