最新域名【海棠书屋 www.lashuw.com 】
第一分解问题
就是在分析问题后，将数据、过程或问题分解成更小的、易于管理的部分。
指将一个复杂的问题拆分成多个简单问题。比如99x91001x99009891，就是利用了一种简单的方式解决复杂的算术题，这就是分解。当把这些便于执行操作的小问题一步步地处理完毕后，原本很复杂的大问题也就迎刃而解了。
生活中我们也经常用到了分解问题的思想。比如先学会拆分做菜的每个步骤，才能最终学会做好一道可口的佳肴。再比如旅行问题就可以分解为路径规划、景点选择、城市交通问题、汽车导航等小问题。
第二模式识别
观察数据的趋势和规律，识别出它是哪一类问题，找出各个部分之间的异同。
指的就是通过观察每个部分背后的模式、趋势及规律来帮助我们理解问题，思考解决方案。
比如学习认识车辆的时候，会根据是否有四个轮子、是否在马路上跑来判断认识事物。再比如前面旅游的问题，对于其中的一个小问题路径规划就可以用图论的最短路径理论解决。
在计算机中如果把重复出现的问题抽象成关键的信息点，就可以不用重复设计解决方案。
第三抽象问题一般化
去掉次要的非本质的部分，抽出共同的本质属性。识别模式形成背后的一般规律。
建立模型实际上是一种抽象能力。抽象思维要求我们从大局看待整个问题，把重要的和不重要的部分区分出来，抛弃无关紧要的细节，建立系统中的一个模型。
抽象的重点在于区分好复杂度，明辨重要和不重要的信息。比如我们需要画出整个城市的地铁线路图，这时候就会忽略不重要的信息，如路线的长短距离，着重突出需要关注的信息，如几号线和每条线之间换乘的站点等。
再比如旅行问题，借助在线地图计算城市间的距离，将城市图形化，利用最短路径计算最短旅行路线。
第四算法设计
为解决某一类问题撰写一系列详细步骤，针对这些相似的问题逐步解决的方案。
算法是为了解决问题而提出的一系列指令。为了不做无用功，我们需要将之前已经识别处理的问题变成一种通用模式，找出算法之后，并不等于解决了问题，还需要根据实际问题和场景对算法进行适应性调整通过优化已有问题的解决方案来针对性提高。
我们也可以把算法开发过程理解为给某件事情找一个最简单的步骤，并把它整理
本章未完，请点击下一页继续阅读！