算法之美-讀書筆記
作者布萊恩·克里斯汀，《華爾街日報》暢銷書《最有人性的人》作者，該書入選《紐約時報》編輯推薦書目，被《紐約客》雜誌評為年度好書。湯姆·格里菲思，加州大學伯克利分校心理學和認知科學教授，計算認知科學實驗室主任。
我們所有人的生活都受到有限空間和有限時間的限制，因此常常面臨一系列難以抉擇的問題。在一天或者一生的時光里，哪些事是我們應該做的，哪些是應該放棄的？我們對雜亂無序的容忍底線是什麼？新的活動與熟悉並喜愛的活動之間如何平衡，才能取得令人愉快的結果？這些看似是人類特有的難題，其實不然，因為計算機也面臨同樣的問題，計算機科學家幾十年來也一直在努力解決這些問題，而他們找到的解決方案可以給我們很多啟發。
如何掌握最佳決策時機
首先，怎麼抓住最佳決策時機？在所有最優停止問題中，最大的難點不在於選擇哪一種可選方案，而是確定自己需要考慮多少種可選方案。這些問題往往會引發不同的後果，不僅陷入愛河的人和需要租房的人必須慎重考慮，司機、房主等也常常面臨同樣的抉擇。
這類問題之所以難以抉擇，一是未來很難預測，你只知道現在和以前遇到過的人和事物，未來什麼樣，你並不知道；二是已經做出的決定不能反悔，一旦拒絕，就等於永遠錯過。在做出具體的選擇之前，我們首先要找到決策的最佳時機。
零信息博弈
比如，買房，在同時面對幾套房子時，應該買哪套？應該在什麼時間做。那麼，是現在就買呢？還是考慮5年以後再買呢？
這就叫做零信息博弈，也就是在信息極度稀缺的情況下，分析潛在可能，尋找做出最佳判斷的時機。根據計算機的運算，只要是零信息博弈，最佳的決策時機，都是同一個時間點，那就是你決策總時限的37%。
比如，跳槽，你給自己限定，一共要面試10家名氣差不多的公司。根據37%原則，你在前3家公司的面試中，不管待遇多高，都要果斷拒絕。從第4家公司開始，一旦發現一家比前3家都合適的公司，一定要努力爭取。
在37%這個時間點上，你有最大的概率選到最好的結果。那麼37%是怎麼算出來的呢？首先我們假設，你面前有一堆寶箱，每個寶箱裡都裝着數額保密、高低不等的獎金，你可以從中挑一個帶走。
好消息是，你擁有無限次機會，而且可以先開啟寶箱，看到裡面的錢數之後再決定要不要拿走。但限制是，你一次只能開啟一個寶箱，一旦決定不要，就不能反悔。未來的寶箱是未知的，過去的寶箱不能反悔。
那麼，應該在打開第幾個寶箱的時候做決策，才最有可能獲得最高的獎金？假如寶箱的總數量是兩個，不管你選哪個，中大獎的幾率都是50%。那假如是三個，那麼當你開啟第一個寶箱，裡面是2萬塊。你可以拒絕，然後再開啟後兩個，但後兩個的獎金可能還不如第一個多。
開啟第一個寶箱時，不管裡面有多少錢，它都是你截止到目前能得到的最高金額，是100%的目前最佳。而隨着陸續開啟寶箱，這個目前最佳的概率會被後面的寶箱平攤。開啟第二個時，每個是目前最佳的概率都是一半，開啟三個，每個是目前最佳的概率都是三分之一。開啟的寶箱越多，目前最佳的概率就越低。按照這個邏輯，我們應該毫不猶豫地選擇第一個寶箱。但是，這種做法對嗎？
最佳決策時刻
還有一個方法，因為在開啟第一個寶箱時，我們沒有任何方法能斷定，這就是最大的寶箱。同樣，在開啟第三個寶箱時，我們也沒有任何選擇，因為已經拒絕了前兩個寶箱。但是，在開啟第二個寶箱時，我們既掌握了一些信息，又有一定的選擇權。也知道它跟第一個寶箱比誰多誰少。而第二個寶箱，就是我們做出最優選擇的時候。在一共有三個寶箱的情況下，開啟第二個寶箱是遊戲總進程的33%。
現在假設有10個寶箱，按照同樣的邏輯計算，最佳的決策時機是第四個，也就是總進程的40%。當這個數字繼續放大的時候，這個數字開始趨於穩定，當有100個寶箱時，最佳決策的時機，是第37個寶箱。即便這個數字在繼續增加，這個最佳決策時機基本不會再變，哪怕總共有1000萬個箱子，計算機算出的最佳決策時機，仍然是37%，也就是第370萬個。在這個節點上，我們有最大的概率，選到最高的獎金。
作者說，最佳的決策時刻，其實就是決策時的前半部分稍微靠中間的位置就行了。這個最佳決策時刻，在計算機領域裡被稱為最優停止。也就是我們俗話說的見好就收。
如何合理規劃時間
37%原則並不是在所有情況下都適用，它有兩個局限。
第一，37%原則所解決的問題，都是事先已經限定了明確的時間結點的，比如買房，必須在2個月內做決定；跳槽，已經給自己規定好了要面試10家公司。但在實際決策中，結點往往很難在一開始就決定好。我們總會期待未來會有更好的機會，未來的不確定性，往往讓人在決策的時候更加舉棋不定。
第二，人生畢竟不是數學題。在婚姻大事裡，很多一見鍾情的故事都被傳為佳話，在事業選擇中，夢想和熱愛往往超過了利弊權衡。37%原則是一個選項，有效，但絕不唯一。所以，我們應該知道如何管理時間？同時面對很多任務，應該怎麼安排優先級？
作者說，當一個時間段內，同時有幾項任務時，我們應該從耗時最短的任務做起。比如你同時有兩件事要做，一件很簡單，一天就能幹完，另一件很難，需要五天，你就應該先做那件一天就能交差的工作。
最優緩存策略
那麼一天幹完和五天幹完有什麼不同呢？我們看看作者的解釋。根據作者的觀察，人腦和計算機的存儲方式，都依賴於緩存。緩存，指的就是一個高速的存儲讀取空間。而最優緩存清理策略從本質上講，就是在緩存已滿時，將未來最長時間內不會再次使用的數據從緩存中清理出去。
比如，電腦硬盤是一座巨大的圖書館，存儲能力很強，但是每回你想去圖書館找書，都要從海量的書籍里查找，很不方便。所以你把那些常用的書借回家，放到你的書桌上。你的書桌，就相當於電腦緩存，它雖然存儲能力有限，但讀取速度很快。
在電腦里，緩存是分級的，根據使用頻率不同，分為很多級。同樣，人腦也有類似的緩存機制。大腦會根據信息最近的調用頻率不同，在大腦里形成排列。最近調用越頻繁的信息，就儲存在越接近記憶表層的位置，越容易提取。我們能夠迅速提取的記憶，其實只是記憶總量的一部分。 換句話說，硬盤的空間很充沛，但緩存資源很珍貴。我們當前能夠運行多麼複雜的想法，取決於大腦的緩存區還有多少剩餘空間，原理就跟電腦調用程序一樣，及時清理緩存非常重要。所以，我們從耗時最短的任務做起，目的就是為了及時清理大腦的緩存。
假設，我們同時面臨 A 和 B 兩個任務。A 任務要耗時5天，B 任務耗時1天。假如先做 A 再做 B，那麼你在執行 A 的這5天裡，心裡多少也會惦記着 B，它也在不知不覺占用你大腦的後台緩存。也就是說，B 實際占用大腦的時間不是1天，而是6天。這樣A和B加在一起，就相當於5天加6天，一共占用了你的大腦11天。假如反過來，第一天就完成 B，後5天再完成 A，那麼就相當於 B 占用了大腦1天，A占用了大腦6天，加起來一共7天。
所以，總量固定的任務，前後順序不同，對資源的占用時長也不同。這就是計算機的思考邏輯，它會始終確保自己處在潛能最優狀態，隨時有能力運行更複雜的程序。我把這套策略稱之為最優緩存策略，它可以永遠讓自己處在最佳待機狀態。
任務密度
這種優先級排序有一個前提，就是每件任務的重要程度是一樣的。考慮到真實情況下，任務有輕重之分，我們在應用最優緩存策略時，還需要加入一個參考因素，叫做任務密度。任務密度，就是一項任務的單位時間價值。
比如一件任務需要10個小時完成，可以創造10萬元的經濟價值，那麼這項任務的密度就是10萬元除以10個小時，也就每小時1萬元。
也就是說，任務密度，就相當於工作的性價比。當同時面對很多耗時不同，重要程度不等的任務時，我們應該從性價比最高的任務做起。這樣一來，我們不僅可以及時清理大腦緩存，釋放更多的可用空間，還能確保當前正在做的事情，一定是最有價值的。
總的來說，當某件事有具體的總時限時，我們可以試試37%原則；而在同時面對多任務時，可以列出一張清單，從耗時最短或者任務密度最高的事情做起，這樣可以更好的幫助我們完成任務，讓我們永遠處於最佳狀態。
