作者｜ longyue0521

來源 | Python與算法社區 公眾號

今天查資料時看到一個比較好的算法學習方法總結，來自清華大學算法訓練營 longyue0521 ，提出的 “做中學” 方法，個人也是比較認同的，大家不妨看看下面的詳細介紹。

   一、事半功倍

Learning by doing 做中學

   二、經歷描述

在我初學編程時，因沒有掌握計算機相關專業的學習方法，走了不少彎路。

我總是想先“打好基礎”，再走下一步，但這需要時間、毅力與堅持。

我花了很大氣力學習，但都事倍功半！

我想找到效率更高的學習方法，于是我開始瀏覽美國計算機四大名校的課程網站。

經過一番研究，自學幾門課程后，我發現了他們的教學套路：

• 教授理論知識（一），小作業，用于鞏固理論知識（一）
• 教授理論知識（二），小作業，用于鞏固理論知識（二）
• 大作業，編程實踐，需要用到理論知識（一）與（二）
• 教授理論知識（三），小作業，用于鞏固理論知識（三）
• 教授理論知識（四），小作業，用于鞏固理論知識（四）
• 大作業，編程實踐，需要用到理論知識（三）與（四）
• 項目作業，編程實踐，多人協作，需要用到理論知識（一）～（四）+ hits
• 重復上述過程，一般重復4～6次，中間穿插期中考試，最后期末考試

由此“套路”總結出另一種學習方法——“迭代學習”法：

• 理解待解決的問題
• 學習部分理論知識
• 動手實踐嘗試解決，無法解決，回到1或2
• 成功解決抓緊總結

即使現在回頭看，我也不能說第一種學習方法有錯，“迭代”學習法更好！但這兩種學習方法都是以同一個核心為基礎的—— 動手做，做中學！

你可以都嘗試一下，然后選取自己喜歡、又高效的學習方法！

當然也歡迎分享你的學習方法！

   三、經驗總結

• 越早適應“迭代”學習法對你越有利。
• 大多數時候你沒有足夠的時間來“學完再做”。
• 若你在“迭代”學習過程產生的焦慮、沮喪、挫敗感，請及時排解
• 排解后記得回來，堅持才能勝利！

   四、個人建議

學習《算法設計》在借鑒學習《數據結構》的經驗的同時， 需要做適當調整——在每次大迭代中應用“迭代”學習法：

第一次迭代 ，熟悉常用的算法設計策略，掌握策略的使用方法及適用的場景

• 其實學習《數據結構》時你已經學了不少經典算法
• 帶著學到的算法設計策略回頭總結、歸納經典算法
• 可以在紙上畫畫設計策略與經典算法的關系圖，是一對一，一對多，還是多對多
• 這個階段的重點，在腦中建立常用算法設計策略與經典算法的對應關系
• 如果個人能力不錯，可考慮與《數據結構》第三次迭代同時進行

第二次迭代 ，靈活運用算法設計策略，解決實際問題

• 大量的解決問題，在此過程中總結出你個人解決問題的流程
• 可以針對某項設計策略進行專項訓練，但要考慮實際需求——工作、面試、競賽
• 此階段的重點就是解決《數據結構》第三次迭代中的隱藏關卡，同時培養解決問題的感覺、自覺
• 別忘了“迭代”學習方法
• 大量訓練、多與他人探討、擴展自己的思路并及時總結

第三次迭代 ，對給定問題能運用數學證明你的算法設計策略是正確的、可行的、高效的

• 這個階段要做的事本應該融入到前兩次迭代中的，甚至更早比如在離散數學課上
• 之所以單抽出來是因為有太多的人因這個“攔路虎”而徘徊在“算法設計”的大門前遲遲不敢踏入半步，更有甚者轉身離開了就再也沒回來......
• 如果你不擅長數學，或不打算從事科研及對數學要求較高的工作，可以跳過
• 對于打算從事科研及對數學要求較高的工作的人來說，這也可以算迂回策略
• 可以先從教材對經典算法的證明學習，然后重走第二次迭代實踐（這才是看CLRS的時機）
• 這個階段的重點，有意識地運用數學來決定設計策略的選取

   五、追求目標

你在學習《算法設計》的初期沒能養成良好的推理、證明習慣，后期改正要費些功夫信心/底氣不足，有強大的數學理論作為支撐你敲代碼、測試或和別人辯論也底氣十足盡管不完美但比起那些徘徊在門口、轉身離開的人，你已進入“算法設計”的大門！

這難道不值得高興嗎？