自學演算法改進

A. 自學編程=做無用功

作者 | PRESSone

來源 | 懷左同學

先給你講個故事，看看你有沒有類似的經歷。有一天，你去參加同學聚會，和老友們舉杯暢談，他們告訴你，不學編程就要 out 了，從全球趨勢來看，編程這把火已經燒了很多年。英國早從 2014 年 9 月起，就規定 5-16 歲的學生都必須學習編程，蘋果 CEO 庫克表示全世界各地都應該開設編程課程。回到家中，你輾轉反側，覺得自己跟不上時代潮流，扼腕嘆息：「廉頗老矣，尚能飯否？」焦慮之餘，你開始瘋狂搜索編程，網路、知乎、搜狗，你方唱罷我登場。一頓操作之後，你的嘴裡念念有詞：「Wow，會編程的人好酷，牛逼，都是大神。」感嘆之餘，你覺得不能紙上談兵，臨淵羨魚，不如退而織網。

於是乎，你開始了自學編程之路。

聽人說，演算法是編程的核心，學好演算法可以一招鮮，吃遍天。別人說在嘴裡，你聽在心裡，馬上買了一本《演算法導論》，打算死磕演算法。你沒日沒夜的攻讀，『演算法基礎』那一小章，你鼓搗了大半個月，還是雲里來霧里去的。然而，心高氣傲的你是不會屈服於『演算法基礎』這只攔路虎的，你開始逛各種論壇，CSDN、博客園、簡書、知乎都在你的常逛 list 上。你充分利用一切碎片時間，上地鐵刷一下，吃飯時刷一下，睡前刷一下，刷得不亦樂乎，刷不完的果斷收藏。

等到收藏超過100篇未讀的時候，你終於發現收藏=永不再讀，這讓你沮喪。

更讓你沮喪的是，你買的那本《演算法導論》已經在書架上躺了好久。為了弄懂『演算法基礎』，你把《演算法導論》打入了冷宮。比這更殘酷的是，從你信誓旦旦說要學編程以來，你連一行代碼都沒敲過，一個程序都沒跑起來。你越來越焦慮，終於有一天，你徹底崩潰了，自怨自艾道：「老子骨子裡就是個文科生，趕什麼時髦？學什麼編程？學來學去老是做無用功有意思嗎？安安靜靜地寫文章不好嗎？」寫文章的人不一定學不了編程，作家王小波就是中國早期程序員，曾經自己編了一套DOS下的獨立輸入法。真正阻止你學編程的也不是深奧的演算法，而是你錯誤的學習方法。自學編程不等於做無用功，盲目、焦慮地自學才是。讀到這里，你肯定滿臉疑惑：「我到底哪裡做錯了？」

首先，自學的初衷不是焦慮、盲目，而是解決問題。

李小龍當年剛回香港，在《歡樂今宵》上節目，節目組請來了一名拳師，想考驗他能不能推到對方。拳師也擺好架子等他來推，結果李小龍一拳打在對方臉上。李小龍想表達的是：在真實的實戰中，沒有人會等你擺好架勢，只沖著你規定的地方打過來。學習也是同樣的道理。在真實生活中，環境和知識都一直在動態變化中，你不可能像學校里一樣，系統的學好、學完一門知識，然後坐在教室等著不超綱的考試。

大部分時間，生活會先給你一個考試，然後你根據問題，自己找出關鍵詞，開始學習。所以，學習的起點不是某人在酒桌上蜻蜓點水的一句話，也不是某人在朋友圈曬的一本書、推薦的一篇微信文章、更不是這個行業的一個經典教材引發你的焦慮，而應該是你真實遇到的一個問題。遇到問題，動手寫，犯錯、改正，再犯錯、再改正，這是學編程最重要的過程。其次，自學尤其是自學編程往往不是線性的。

我們從小到大在學校學習，都有一本教科書，往往按著預習、聽講、練習、復習的路徑學習，所有的教材也如出一轍：每個章節所涉及的知識點之間，全都是線性關聯，第一章學好了，才有基礎學第二章。而社會的知識結構不僅不是這樣的，而且幾乎全都不是這樣的。

工作中、生活里充滿了各式各樣的「提前引用」，即想要理解當前的知識點，需要依賴你未來才能理解的某個或某些知識點。如果還是按照校園時代的線性思維來學習的話，很有可能就像故事中的主人公一樣，最終學不下去。拿編程來說，動不動啃《演算法導論》的人，要不是有很深厚的數學基礎，肯定吃不消。

生活很少教我們按部就班，它給我們的測試往往是超綱的，這就要求我們不斷更新和迭代。互聯網的發展給我們帶來的最大啟發就是迭代，從門戶到搜索，從搜索到移動互聯，從簡單的網頁交互，到如今熱鬧的小視頻社交，技術和生態一直在更新和迭代。

同樣，自學也是一個不斷更新和迭代的過程。編程是一門活到老、學到老的手藝，有些很抽象的概念，一開始看不懂沒關系，先腦子里有個大概的印象，然後依葫蘆畫瓢寫幾段代碼，自己動手實踐，寫完之後再總結、歸納、整理、組織相關的知識點，實戰經驗多了，再回頭來看最初的難點，你自然能夠豁然開朗。

比如說 python 中的 return，很多初學 python 的人，對 return 疑惑不已，字面上是返回，那它到底返回什麼，又返回到哪裡呢？有人可能會給你解釋：「return 語句就是將結果返回到調用的地方，並把程序控制權一起返回。」對於初學者來說，這個解釋也不好理解。

沒事，先實踐起來。

拿下面這四行代碼來說，你可以想像你開了一家工廠，雇傭工人來幹活，這個工人（worker）在你的指導下，用a、b、 c 三個材料，裝配出了 x 和 y 兩個成品。但是程序里的裝配和工廠不同，用過的材料不會消失。這樣，這個工人手裡就有了a、b、c、x、y五樣物品。他怎麼知道你要的是哪個呢？

所以 return 的作用就是，在這種時候告訴工人你到底想要什麼東西，是一個iPhone 手機殼還是整台 iPhone。毫無疑問，return x 和 return y 是完全不一樣的結果。return x 是當你讓這個工人幫你幹活時（調用函數），他最後會把產成品x交到你手上，而當你輸入return y 的時候，幹活的工人會把產成品 y 給你。

舉個例子，worker(1,2,3)，return x 的結果為1+2=3，return y 的結果為（1+2）*3=9。這樣實踐一下，你對於return是不是有了更深的理解?def worker(a, b, c): x = a + b y = x * c return y看完我的分析，驀然回首，你是不是覺得道路明朗了許多，你肯定很想問：怎樣自學才高效呢？在自學過程中，有個方法特別管用，就是用輸出倒逼輸入，你逛論壇、刷文章、看視頻教程都沒問題，關鍵是要有輸出，光有輸入可是不行的。而最好的輸出就是實踐，把自己聽到的、看到的、讀到的，轉化為你獨立編寫的一個個程序，豈不妙哉？

文章開頭故事裡的主人公就陷入了盲目輸入，卻無輸出的泥潭。他的輸入表面上看上去渠道很多元化，然而這些輸入並沒有帶來有效的輸出。還有一個很多人都不知道的點，你的輸入很有可能是制約你進步的緊箍咒。

輸入也是有講究的，盲目輸入會帶來信息超載。全世界每天有 4000 本書出版，超過 4 億個字；紐約時報一天的文字量等於牛頓同時代的人一生的閱讀量；一個專業領域，每天大概有有近4000篇文章正在產生。就算你火力全開，瘋狂地輸入相關知識，也還是難免有漏網之魚。

而且，在茫茫的信息汪洋中，信息質量參差不齊，保不準你輸入的就是一些邊角料，反而讓你裹足不前。這兒分享橋水（全球著名對沖基金）創始人瑞.達利歐在《原則》一書中闡述的觀點：「正確的決策很多時候需要依賴可信度加權。」學習同樣也需要可信度加權，不是所有的資料都全盤接收，而是有選擇的相信，用老祖宗的話來說，要取其精華，棄其糟粕。信息爆炸時代，最重要的不是增加信息，而是篩選和刪除信息。除此之外，要勇於跳出舒適區，刻意練習。

刻意練習這個概念由美國心理學家安德烈.艾莉克森博士提出，即有目的的學習，指的是把要學習的內容分成有針對性的小塊，對每個小塊進行重復練習。在武術訓練中，非常強調分解練習。

首先你要把整套動作過一遍，看教練是怎麼做的。然後把它分解為多個動作，每個動作分解為多個步驟，一個一個地練習。在這種訓練中，動作一定要慢，只有慢下來才能感知動作的內部結構，注意到自己的錯誤。畫家要采風、棋手要打譜、律師要學習案例、政客要讀歷史、科學家要看論文、馬拉松運動員每周至少要累計150公里的跑量。

大部分的學習都不是一蹴而就的，往往是練習-反饋-練習-反饋-練習-反饋-學成。刻意練習的關鍵是隨時獲得有效的反饋。拿自學編程來說，這是一個很容易獲得反饋的領域，當你寫的程序跑不起來時，意味著你要 debug，你得把你寫的代碼分成一小段一小段，逐句檢查，直到找出 bug。當然，鼓吹刻苦的雞湯想必大家都喝膩了。事實是，很多人即使整天坐在書桌前埋頭苦學，時長達到甚至遠超學霸，實際效果卻遠遠達不到學霸的水平。問題的關鍵在於你的思維和學習方法，在於你的學習時間是否得到了高效利用，是否能通過高效學習把知識轉化為你真正的實力。

只是如果你注意力渙散，身在書桌前，神遊天地間；如果你好不容易學完了，轉眼又忘得一干二凈；如果你寫了很多代碼卻不會舉一反三，同一個知識點換了個問法又被難住了；如果你對於你所學習的領域缺乏好奇心和探索精神，只是當一天和尚，敲一天鍾，沒有刻意練習。那麼，花費再多的時間，又有什麼成效呢？

捫心自問一下，你上一次坐下來長時間專注於學習，是什麼時候呢？

似乎這件事變得越來越難以做到，因為我們的生活已經有太多的干擾：必須要點的微博、朋友圈點贊、支付寶螞蟻森林收能量……誘惑源源不斷，切割了我們在學習上的很多可能性。我們接受了太多無效輸入，自然也不會產生高效的輸出。讀到這，你可能又要問我了：「該怎麼辦才好呢？」比起一味地延長學習時間，更『刻意』地學習更重要。

學習從來都不是一個階段的事，更不是一件輕松的事，但是我們可以優化我們的學習路徑，比如給自己創造一個干擾項少的學習環境。拿自學編程來說，你需要的就是一台電腦。在學習的時候，你最好離手機遠一點，並關掉電腦版微信、QQ和一些亂七八糟的應用。不過，自學之路從來都不是輕松的，這也才顯得它的專業性和獨特性。願你學成歸來，已然成了一名大神！

B. 自學程序員的步驟

1、自學演算法。因為編程語言實現了它們自己的排序和搜索，所以自學成才的程序員總是傾向於學習如何使用它們，而不是去了解它們的工作原理。

2、自學計算理論。這是關於計算機如何解決問題，以及編程語言如何構建的一門科學。從有限狀態機到 Λ 演算，在這一類中，有一大堆重量級的主題。

3、自學純數學。傳統的計算機科學涉及范圍廣泛的重要數學主題，包括線性代數、微積分、概率論和統計學。

4、自學大〇符號法（Big O notation）。這個改編自數學領域的工具，讓開發人員能夠描述並比較不同演算法的整體性能。

(2)自學演算法改進擴展閱讀

很多新手都是初生牛犢不怕虎，因為不了解編程領域，便不假思索地定了一些很高的目標，比如想進大廠，想做有復雜度的項目，想短時間學習一門語言並找到工作。

理想非常充實，而現實卻很骨感。可能低估了進入該行業的難度。不是您可以僅憑意圖快速完成學習過程的。

一定要先易後難，一步一來，例如，首先了解語法，嘗試編寫一個demo，接著了解高級特效，實現高級特性，然後自己脫離教程寫一些代碼，最後做項目，大概是這樣的一個邏輯。

實際上，對於新來者來說，完成這些步驟並不容易。別看學習基本語法並不難，但是如果想入門，可能會遇到很多問題，例如環境配置在安裝和使用IDE之後，代碼語法錯誤，編譯錯誤和執行 錯誤對於新手來說很難解決。如果不藉助外力，基本上是無從下手的。