算法之美-读书笔记
作者布莱恩·克里斯汀，《华尔街日报》畅销书《最有人性的人》作者，该书入选《纽约时报》编辑推荐书目，被《纽约客》杂志评为年度好书。汤姆·格里菲思，加州大学伯克利分校心理学和认知科学教授，计算认知科学实验室主任。
我们所有人的生活都受到有限空间和有限时间的限制，因此常常面临一系列难以抉择的问题。在一天或者一生的时光里，哪些事是我们应该做的，哪些是应该放弃的？我们对杂乱无序的容忍底线是什么？新的活动与熟悉并喜爱的活动之间如何平衡，才能取得令人愉快的结果？这些看似是人类特有的难题，其实不然，因为计算机也面临同样的问题，计算机科学家几十年来也一直在努力解决这些问题，而他们找到的解决方案可以给我们很多启发。
如何掌握最佳决策时机
首先，怎么抓住最佳决策时机？在所有最优停止问题中，最大的难点不在于选择哪一种可选方案，而是确定自己需要考虑多少种可选方案。这些问题往往会引发不同的后果，不仅陷入爱河的人和需要租房的人必须慎重考虑，司机、房主等也常常面临同样的抉择。
这类问题之所以难以抉择，一是未来很难预测，你只知道现在和以前遇到过的人和事物，未来什么样，你并不知道；二是已经做出的决定不能反悔，一旦拒绝，就等于永远错过。在做出具体的选择之前，我们首先要找到决策的最佳时机。
零信息博弈
比如，买房，在同时面对几套房子时，应该买哪套？应该在什么时间做。那么，是现在就买呢？还是考虑5年以后再买呢？
这就叫做零信息博弈，也就是在信息极度稀缺的情况下，分析潜在可能，寻找做出最佳判断的时机。根据计算机的运算，只要是零信息博弈，最佳的决策时机，都是同一个时间点，那就是你决策总时限的37%。
比如，跳槽，你给自己限定，一共要面试10家名气差不多的公司。根据37%原则，你在前3家公司的面试中，不管待遇多高，都要果断拒绝。从第4家公司开始，一旦发现一家比前3家都合适的公司，一定要努力争取。
在37%这个时间点上，你有最大的概率选到最好的结果。那么37%是怎么算出来的呢？首先我们假设，你面前有一堆宝箱，每个宝箱里都装着数额保密、高低不等的奖金，你可以从中挑一个带走。
好消息是，你拥有无限次机会，而且可以先开启宝箱，看到里面的钱数之后再决定要不要拿走。但限制是，你一次只能开启一个宝箱，一旦决定不要，就不能反悔。未来的宝箱是未知的，过去的宝箱不能反悔。
那么，应该在打开第几个宝箱的时候做决策，才最有可能获得最高的奖金？假如宝箱的总数量是两个，不管你选哪个，中大奖的几率都是50%。那假如是三个，那么当你开启第一个宝箱，里面是2万块。你可以拒绝，然后再开启后两个，但后两个的奖金可能还不如第一个多。
开启第一个宝箱时，不管里面有多少钱，它都是你截止到目前能得到的最高金额，是100%的目前最佳。而随着陆续开启宝箱，这个目前最佳的概率会被后面的宝箱平摊。开启第二个时，每个是目前最佳的概率都是一半，开启三个，每个是目前最佳的概率都是三分之一。开启的宝箱越多，目前最佳的概率就越低。按照这个逻辑，我们应该毫不犹豫地选择第一个宝箱。但是，这种做法对吗？
最佳决策时刻
还有一个方法，因为在开启第一个宝箱时，我们没有任何方法能断定，这就是最大的宝箱。同样，在开启第三个宝箱时，我们也没有任何选择，因为已经拒绝了前两个宝箱。但是，在开启第二个宝箱时，我们既掌握了一些信息，又有一定的选择权。也知道它跟第一个宝箱比谁多谁少。而第二个宝箱，就是我们做出最优选择的时候。在一共有三个宝箱的情况下，开启第二个宝箱是游戏总进程的33%。
现在假设有10个宝箱，按照同样的逻辑计算，最佳的决策时机是第四个，也就是总进程的40%。当这个数字继续放大的时候，这个数字开始趋于稳定，当有100个宝箱时，最佳决策的时机，是第37个宝箱。即便这个数字在继续增加，这个最佳决策时机基本不会再变，哪怕总共有1000万个箱子，计算机算出的最佳决策时机，仍然是37%，也就是第370万个。在这个节点上，我们有最大的概率，选到最高的奖金。
作者说，最佳的决策时刻，其实就是决策时的前半部分稍微靠中间的位置就行了。这个最佳决策时刻，在计算机领域里被称为最优停止。也就是我们俗话说的见好就收。
如何合理规划时间
37%原则并不是在所有情况下都适用，它有两个局限。
第一，37%原则所解决的问题，都是事先已经限定了明确的时间结点的，比如买房，必须在2个月内做决定；跳槽，已经给自己规定好了要面试10家公司。但在实际决策中，结点往往很难在一开始就决定好。我们总会期待未来会有更好的机会，未来的不确定性，往往让人在决策的时候更加举棋不定。
第二，人生毕竟不是数学题。在婚姻大事里，很多一见钟情的故事都被传为佳话，在事业选择中，梦想和热爱往往超过了利弊权衡。37%原则是一个选项，有效，但绝不唯一。所以，我们应该知道如何管理时间？同时面对很多任务，应该怎么安排优先级？
作者说，当一个时间段内，同时有几项任务时，我们应该从耗时最短的任务做起。比如你同时有两件事要做，一件很简单，一天就能干完，另一件很难，需要五天，你就应该先做那件一天就能交差的工作。
最优缓存策略
那么一天干完和五天干完有什么不同呢？我们看看作者的解释。根据作者的观察，人脑和计算机的存储方式，都依赖于缓存。缓存，指的就是一个高速的存储读取空间。而最优缓存清理策略从本质上讲，就是在缓存已满时，将未来最长时间内不会再次使用的数据从缓存中清理出去。
比如，电脑硬盘是一座巨大的图书馆，存储能力很强，但是每回你想去图书馆找书，都要从海量的书籍里查找，很不方便。所以你把那些常用的书借回家，放到你的书桌上。你的书桌，就相当于电脑缓存，它虽然存储能力有限，但读取速度很快。
在电脑里，缓存是分级的，根据使用频率不同，分为很多级。同样，人脑也有类似的缓存机制。大脑会根据信息最近的调用频率不同，在大脑里形成排列。最近调用越频繁的信息，就储存在越接近记忆表层的位置，越容易提取。我们能够迅速提取的记忆，其实只是记忆总量的一部分。 换句话说，硬盘的空间很充沛，但缓存资源很珍贵。我们当前能够运行多么复杂的想法，取决于大脑的缓存区还有多少剩余空间，原理就跟电脑调用程序一样，及时清理缓存非常重要。所以，我们从耗时最短的任务做起，目的就是为了及时清理大脑的缓存。
假设，我们同时面临 A 和 B 两个任务。A 任务要耗时5天，B 任务耗时1天。假如先做 A 再做 B，那么你在执行 A 的这5天里，心里多少也会惦记着 B，它也在不知不觉占用你大脑的后台缓存。也就是说，B 实际占用大脑的时间不是1天，而是6天。这样A和B加在一起，就相当于5天加6天，一共占用了你的大脑11天。假如反过来，第一天就完成 B，后5天再完成 A，那么就相当于 B 占用了大脑1天，A占用了大脑6天，加起来一共7天。
所以，总量固定的任务，前后顺序不同，对资源的占用时长也不同。这就是计算机的思考逻辑，它会始终确保自己处在潜能最优状态，随时有能力运行更复杂的程序。我把这套策略称之为最优缓存策略，它可以永远让自己处在最佳待机状态。
任务密度
这种优先级排序有一个前提，就是每件任务的重要程度是一样的。考虑到真实情况下，任务有轻重之分，我们在应用最优缓存策略时，还需要加入一个参考因素，叫做任务密度。任务密度，就是一项任务的单位时间价值。
比如一件任务需要10个小时完成，可以创造10万元的经济价值，那么这项任务的密度就是10万元除以10个小时，也就每小时1万元。
也就是说，任务密度，就相当于工作的性价比。当同时面对很多耗时不同，重要程度不等的任务时，我们应该从性价比最高的任务做起。这样一来，我们不仅可以及时清理大脑缓存，释放更多的可用空间，还能确保当前正在做的事情，一定是最有价值的。
总的来说，当某件事有具体的总时限时，我们可以试试37%原则；而在同时面对多任务时，可以列出一张清单，从耗时最短或者任务密度最高的事情做起，这样可以更好的帮助我们完成任务，让我们永远处于最佳状态。
