算法之美 之 37% 法则
某同学看了我的朋友圈，说，算法给我的第一感觉就是编程啊。真是聪明，一下子抓到了重点。
什么是算法？
算法 algorithms 是解决问题的一系列步骤（步骤不就是程序吗）；下厨房里面的一个个食谱就是算法。
“算法”可以帮助我们处理很多现实问题，虽然实际操作起来限制条件太多，但还是能够提供思路。
好的算法需要正确处理好可能性问题，利用粗略估算在时间与精确度之间做出某种妥协。
这个大原则是不是对我们的思维方式很有指导意义！
具体来说，算法设计告诉我们：
不必总是考虑所有的可选方案
不必每次都追求最佳结果
偶尔犯点儿错误
放下包袱，轻装前进
有的事情可以暂时放一放
相信自己的本能，不要过多思考
要体谅，但不能忘记
忠于自我
这实在不像“科学”，因为太过“智慧”，不过真的很实惠，不是吗。
算法不只是机械呆板的确定性系统，还是可以帮助我们解决超复杂的现实问题的。（以上是朋友圈发的，为了稍有整体性，再搬过来用用）
最优停止理论，如何选择停止观望的时机 - 37%法则
在很多本书里，都看到过这个法则；比如买房子，比如找对象，这个法则告诉我们，何时该小心观察，不要盲目给offer；何时该果断行动，不要错过优秀的。
但坦白说，看过书里较详尽的介绍，我发现之前的理解还是片面，之前的二手知识多少还是有点断章取义了。
好吧，其实我也不能保证自己的理解是正确的，但进一步，哪怕一小步也是好的。
这个算法，源于经典的秘书问题，当你需要面试一名员工，你可以判断谁优秀，但没有具体分数；每次面试一名，可以随时把机会给其中的一个，而对方一定会接会；但如果你否决之前人选，就不能改变主意（限定条件太多了是吗... ）
这个时候，普遍认为的效果最佳做法是：摸清情况再行动准则，look - then - leap rule。
事先设定一个“观察期”，在这段时间里，无论人选多优秀，都不接受他，这时的任务是考察目标，收集数据；观察期结束后，就进入“行动期”， 一旦出现比之前最优秀的人还优秀的人选，就立即出手，不再犹豫。
具体的数学推导过程不讨论了哈，只给结论：37%
考察期（可以是时间，也可以是人数）是37%， 其实是在35%-40% 这个范围内，得到最理想结果的可能性就接近最大值 - 37% （也就是说选中最优秀申请人的概率为37%）。
这两个37%的一致性，不是巧合，是科学。
看，最理想方案也有63%的失败率，这是一个令人警醒的事实。
但，从另一个角度看，如果只是随机选择，随着人数的增加，选中最优的可能性是稳步下降的。但这个37%法则无论人数多少，概率都为37%，所以申请人数越多，这个方案越有价值。
再举个例子：
如果你是男性，18岁开始谈恋爱，最晚40岁要结婚；那37%法则，18+(40-18)*37%=26.1岁就要结束观察期，之后碰到好的就求婚。
但注意，条件有变哦：你虽然求婚了，但对方可能拒绝你。
如果可能遭到拒绝，就需要把观察期缩短， 假定被拒绝的可能性是50%，那在25%那个点就要开始行动；遭到拒绝，那就试下一个，直到成功。
这个策略的成功概率和25%那个点一致，也是25%，也还算不错吧。
那，如果可以复活之前被放弃的人选，就可以推迟时间表；假定你吃回头草，对方重新接受你的可能性是50%，前61%你可以不表态，等剩下的39%中有更优秀的再出手；考察完所有的如果仍没有合适的，再回头，去淘汰的里面挑最优。
这时候，选中最优秀人选的概率是61%！
其实，无论是否有拒绝、复活这个条件，最有效的应对仍然是：不要急于表态，观察一段时间后及时出手，只是这个观察期长短不一（这不是废话吗！）
上述情况，数学家称为无信息博弈（候选人只能互相比较，知道谁优谁劣，但无法了解彼此之间的差距），如果候选人可以参加考试，有分数，就成为全信息博弈了。
这时就要运用“阈值准则”，高于某个分数就接受，当然同时仍需密切关注可供选择的人还有多少。但要注意不要低于平均分数，除非你真的别无选择。
这种情况下，选中最优的可能性是58%，比无信息好很多吧。
看过之后，是不是感叹，真是整事不嫌复杂。其实就一句话的道理，弄的很科学的样子。
但我想，可能是这些复杂的科学在前面，而那简单的一句话道理随之而来，融到了我们的生活中。
这是不是就是引言里说的，科学是一种思考方式，可以帮助我们简化问题，得出某些直觉和概念，帮助我们理解其中的关键环节，并取得进展。
书里还有很多其他的理论，我实在没时间和精力看了，数学基础好的同学看看吧。