学计算机的同学不可避免地都要学习算法，很多算法都有一定的门槛，难点在于其中大量的数学表达式以及冗长的逻辑推理链条。很常见的现象：所有文字和数学符号都认识，但对整个算法就是一知半解；时间精力花了很多，理解上没有丝毫的进展，让人相当沮丧。这样糟糕的体验多几次，人就很容易放弃。要突破自己的舒适区，将之前不理解的算法啃下来不仅需要强大的毅力，还要有可操作的方法。就个人经历，整理下本人在算法学习过程中可行的方法，权当抛砖引玉。
1. 多画图，将过程形象化。根据科学家的研究，相比于文字信息，图像信息更容易让人理解，同时，图像也更容易让人形成全局观；
2. 目的论和需求论的引导。所谓目的论，了解某个步骤在干什么；需求论，知道为什么需要这个步骤。对广大从应试教育走过来的同学，这两点是我们一直忽视的。因为从小到大的学习，目的都是不言自明的为了考试，表现在教课书中就是方法论占据主导地位，书中多是罗列大量的知识点，大量的计算方法，而从来不提学了这个有什么现实意义，解决什么实际的问题。我们也就容易养成被动的看书过程，倾向于死记硬背，考前都记得，考后忘光光的特点。当然上述方式，应付考试是十分有效的，但是当我们的目标是掌握知识来解决现实问题时，就要求我们对每种方法的问题背景，适用范围，局限性等都有理解，不再是纯粹的记忆了；甚至，有时候需要我们就实际情况对已存在的方法进行优化改进。要具备上述的能力，在学习之初就需要能够从目的论和需求论的角度来看待算法。这样做的一个副产品在于：目的论和需求论有助于形成全局观，保证我们不迷失在细节。
3. 局部放大，局部推导和验证；前述算法的难点之一是逻辑推理链条长，而人脑的工作记忆是有限的，不可能将整个算法一下子放进脑子。所以，对局部进行放大，暂时关注于整体中的某个局部也是迫不得已的做法。此处需要注意的一点“整体”二字，也即在放大之始，需要明白当前局部在整体中的位置，可求助于步骤2，做到见木见林，否则容易迷失在局部。
4. 过程对比，以自己理解的一个类似过程为基础来理解当前较难以理解的过程，也就是俗话说的“踏板”。踏板的由来可借助于步骤3.
5. 多方印证。很多时候，我们都有这样的体会：某个情境下，发现之前自认为理解的东西，要么某个细节还不清楚，要么就是误解了。杜绝这些问题的方法，1.可以将你理解的东西和别人讲述一遍；2.将自己理解的算法实现一遍。
最后，所有方法要是不能转化为自己的技能，都是空。而将方法转化为技能，只能求助于大量的刻意练习。所以，还等什么，让我们现在出发，不断地突破自己的舒适区，给自己一些挑战吧。
