摘抄《算法的乐趣》作者王晓华访谈

采访原文

身边华工的牛人太多了。这位王晓华是他们的师兄。

摘抄两行好的学习习惯，引以自用。

学习算法的过程中，兴趣是最大的推动力，兴趣来自于我觉得这东西能解决问题，对自己有用。

不管哪一本书，都不要泛泛地看一遍就觉得看懂了，而是要把书中的每一个例子算法都用程序写出来，这样才能留下深刻的印象。如果遇到看不懂的地方，不要停下来，跳过去看其他算法，过几天在回头来看，如果还看不懂就再过几天再回头来看。千万不要在一个地方停下来，否则你很可能就此失去兴趣，恐怕永远也看不完这本书了。

许多算法是有难度的，理论很复杂，不容易理解和掌握，这是客观存在的现实。但是我们可以通过提高自身分析问题和解决问题的能力来相对地降低学习难度。从基础来讲，要深入理解数据结构，至少要非常熟练地掌握一种排序算法，各种线性表的插入、删除算法，树的遍历和插入、删除算法，图的遍历算法等等。然后要多学习，掌握一些常见问题的解决模式，比如穷举算法如何应用，动态规划算法如何应用等等。最后要勤思考，对应已经掌握并解决的算法，要想想为什么用这种方法解决，有没有其他方法，类似的问题怎么办，提高举一反三的能力。

当我们遇到一个新的问题的时候，通常有两种解决问题的方式，一种方式是创造一种新的方法来解决这个问题，另一种方式是将新问题分解、转化成已知问题，然后用已知的方法解决这个问题。这两种方式都很需要抽象思维能力，现实生活中很少有机会锻炼抽象思维能力，而学习数学是一种很好地培养这种能力的方法。我强调数学学习的目的不是说要学好算法就必需成为数学大咖，而是通过学习数学促进抽象思维能力的提高。

建立模型的基础是数据结构。当一个问题的数据存在先进先出的特性时，你要想到队列。当一个问题的数据需要频繁查找操作时，你要想到有序表、hash、map。当一个问题的数据需要频繁的插入、删除操作时，你要想到链表。当一个问题中的数据包含父子关系时，你要想到树。当一个问题中的数据中既有节点又有路径什么的，你要想到图。这些都和使用数据结构的经验有关，只要多练习就能掌握。

建立模型还需要抽象的逻辑思维能力，简单地说，就是运用抽象的逻辑思维，抓住问题的主要因素，忽略次要因素，建立问题的框架。算法设计之难体现在思维方式的转换和模型的建立，前面说过，这需要有抽象思维能力，缺乏这种能力，连问题都很难想明白，更不用说设计解决问题的算法了。幸运的是这种能力是可以培养的，学好数学，多研究一些算法，积累些经验，都是很好的提高抽象思维能力的方法。

曾经“玩”过的算法，绝大多数都没有机会直接应用到工作当中，但是“玩”算法对我的影响是显而易见的，它提高了我的动手能力，以及遇到问题时分析并解决问题能力，这就是收获，也是任何一个软件企业对程序员最基本的要求。