聚焦思维，就是寻找与问题匹配的套路直接求解；发散思维是跳出惯用的套路，任意振动以寻求可用的办法。与数学中的优化算法有很多相似之处。
1.初始化：发散思维对应进化类优化算法，而聚焦思维对应经典最优化算法。进化类优化算法初始化时生成一个种群，随机分布在可能解的区域，不依赖于先验知识（套路）。而经典最优化算法通常从一个初始点开始按照固定的推理过程（套路）一步步解算。
2.结果：对于同一个初始点，演算一万次的经典最优化算法结果是完全相同的。而进化类优化算法存在一定随机性（任意振动），结果可能会相差很大。这个与发散思维的结果也可类比，未必每次都有满意的结果。
3.适用范围：经典最优化算法适用于凸函数或有明确解析式的问题以寻求唯一解，而进化类优化算法适用于无明确解析式或运算量太大的问题以寻求满意解。同样，有成熟套路的问题聚焦思维就能解决了，没有现成良好现成解决方案才求助于发散思维。
4.相辅相成：在某些问题时在进化类优化算法中引入经典最优化算法可以大大加快收敛速度。同样，积累了足够多的套路就可以在任意振动时快速找到能用的办法。另外一方面，在经典最优化算法能够求解的大计算量问题中引入进化类优化算法可以快速找到可以接受的满意解。同样，对于某些成熟的套路，加以任意振动，可以让套路更高效。
5.转化：对于一类问题，通过进化优化算法找到其满意解后，在其附近区域进行拟合或线性化后，以后就可以用经典优化算法求解了。对于发散思维得到的办法进行归纳总结，就成了新的套路。
6.时间：进化类算法需要全局搜索，随机进化，耗时长。同样，发散思维也需要随机振动，耗时长。而经典最优化算法和聚焦思维从单点突破，耗时短。
总之，对于日常简单问题，必须是套路得人心，成效快、风险低。而要想突破某一困难，那就得来个随机振动（进化）了，成效慢、有惊喜（吓）。
