原文片段

生活中有一些很明確簡單的問題，比如我要去買瓶水，出家門找個商店，就可以搞定。這些是可以用明確步驟、在確定時間內(nèi)完成的問題，計算機理論里叫“P問題”。
還有一些問題，一旦解開，再回頭看會感覺很容易，一目了然。這類問題“求解困難”，但驗證卻很容易，叫“驗證容易”?！扒蠼饫щy”的意思是，我們往前走的時候，往往不知道哪條路徑可行，于是不停地嘗試；“驗證容易”可以理解為，一旦有人拿出一個“解”，你很容易就驗證這個“解”是否靠譜。
舉幾個例子：現(xiàn)在很多“成功人士”，傾向于說當(dāng)時的選擇很對，這叫“驗證容易”，但是在選擇的時候有多大把握，其實自己未必清楚，這叫“求解困難”。阿里巴巴現(xiàn)在是個大企業(yè)，于是你想加入，這叫“驗證容易”，但是十年前創(chuàng)業(yè)時讓你選擇是否加入，未必所有人能想明白，這叫“求解困難”；中學(xué)的時候你可能會覺得解方程需要各種演算，很費勁，這叫“求解困難”，而驗證方程的根是否正確，只要代入驗算即可，這叫“驗證容易”。
計算機理論里也有這一類問題，叫“NP問題”。
還有一類難度很高的問題，就是前文提到的“NP完全問題”。這一類問題有一個特點，就是問題之間是可以相互轉(zhuǎn)換的。相互轉(zhuǎn)換的意思是，如果你能解出其中一個問題，那你就能解出其中的所有問題。注意這里的“解出”是指“有效率”地解出，不是一個一個地去嘗試。
比如旅行商問題（TSP問題，Travelling Salesman Problem），就是一個NP完全問題。假設(shè)有一個旅行商人拜訪N個城市，要選擇一條最短的線路，每個城市只能拜訪一次，而且最后要回到原來出發(fā)的城市。
如果我說要去三個城市，那你口算就能得到結(jié)果。但是在許多問題抽象成模式后，會出現(xiàn)上億個“城市”，那計算機就沒有一個有效的解法。當(dāng)然一條一條試，可能會試出來，但是這個代價太大，計算量爆炸。
科學(xué)家已經(jīng)證明，這個問題和其他一些同樣很難的問題是可以相互轉(zhuǎn)換的。如果你能解這個TSP問題，那你就能同時解背包問題，3SAT問題（名詞暫不解釋了，有興趣可閱讀文末參考鏈接），等等。
針對NP完全問題，目前尚無有效的最優(yōu)解法。雖然無法找到最佳的答案，但是有方法不斷接近最佳答案。比如有一種“啟發(fā)式算法”，就是在尋找答案的時候，每一步都盡量選擇一個較優(yōu)的答案。
其實我們的成長問題也是如此。在面對未來的時候，我們未必知道最優(yōu)解。同時時間是不可逆的，選擇不可回溯，但是我們可以根據(jù)一定的原則，盡量選擇一個較優(yōu)的解法。假使我們能解出一個這樣的難題，我相信，成長中的其他難題，也可以迎刃而解。

I便簽

WHY

成長總有“更優(yōu)”的解法

一個來自2013年的研究發(fā)現(xiàn)，一個美國成年人一天大約要做出35000個決定。面對我們每天需要做出的決定的數(shù)量是如此的龐大，加上時間的不可逆性，我們在一些復(fù)雜的決策前幾乎從來都不可能得到的是最優(yōu)解，如果真的有最優(yōu)解。

但是，有些人在做決定的時候，他的選擇普遍就是會比其他人的更好一些，更加靠譜一些，比如那些世界首富們。他們現(xiàn)在之所以能夠成為首富，我們大都歸結(jié)為是因為他們在一些重大的事情上做出了正確的決定。但是，如何做出正確的決定呢？在同樣信息背景下，為什么他們能夠做出比別人更好的決定？或者說根據(jù)自己的情況而更好的決定？

WHAT

本文作者給出了一個很有意思的概念：NP完全問題。即復(fù)雜性高，很難窮盡所有選項的問題。面對這類問題，從來就沒有最優(yōu)解，有且只有更優(yōu)解。而我們的成長問題，大多都是這類型的。這個似乎是反常識的，因為在我們以往的學(xué)習(xí)路上，總是被教導(dǎo)要找到最優(yōu)解，要多做嘗試，然后選一個最好的。但是實際生活中，我們越來越迷茫。常常聽到最多的一句話就是：如果我當(dāng)初知道XXX，那么我就可以變得更好，或者做出更好的決定。但是這個XXX，其實從一開始就不存在，不僅不在你的視線里，也不在別人的視線里。

HOW

那我們具體應(yīng)該怎么去面對這類的NP完全問題，減少困惑呢？我給大家總結(jié)了"更優(yōu)啟發(fā)三步法"：一判斷類型，二羅列對比， 三堅持更優(yōu)。

具體步驟如下：

第一步 判斷我們所面對的問題是哪一種問題。

雖然我們一天可能要做35000個決定，但是并不是所有的決定是復(fù)雜度高的。根據(jù)復(fù)雜度的遞增，我們可以把問題分為以下三個：P問題，NP問題和NP完全問題。

1）P問題的特點是：簡單直接，步驟清晰。

我們常說的腦筋急轉(zhuǎn)彎就是這個思路：把大象放進冰箱需要多少步？答案是，打開冰箱，把大象放進去，關(guān)上冰箱。具體比如，小A想要身體更加健康，于是?。翛Q定每周跑步三次。那步驟就是：每周一三五，晚上8點準時換好衣服，出門，開始跑步。

2）NP問題的特點是：驗證容易，求解困難。

我們能夠比較清晰的知道，某個問題好與壞的標準是什么，但是我們卻不知道當(dāng)下哪一個選擇能夠通往這個好的標準。比如說，小A想財務(wù)自由，這個財務(wù)自由的標準是容易驗證的。但是小A是去大公司打工，財務(wù)自由實現(xiàn)的更可能性更大，還是自己做視頻帶貨，實現(xiàn)財務(wù)自由的可能性更大呢？

3）NP完全問題。相對NP問題，它不僅求解困難，驗證也困難。

NP完全問題屬于前提變量多，結(jié)果未知系數(shù)高，但是如果達成回報也高。比如說，小A想要實現(xiàn)升職加薪成為行業(yè)頭部，但是過程中有許多的不確定因素，比如說公司是否今年有計劃管理層變動？直屬上司是否認可小A的工作？還有這家公司今年的收益是否有額外的額度增加薪酬等等。

判斷問題的類型，不僅能夠快速的找到解決的思路，還能夠避免不必要的焦慮。

第二步 羅列我們現(xiàn)有的選項的各個要素并且進行對比

這一步主要是針對于NP和NP完全問題。因為P問題的簡單直接，我們一般能夠在分類的時候就對解決方法快速的進行判斷。

而面對NP和NP完全問題，我們需要羅列選項的要素來進行對比。因為直接對比選項不太有可操作性。

要素可以從以下幾個方面入手：1）現(xiàn)在的資源，2）可以支配的時間精力， 3）解決方法的熟練程度，4）決定的機會成本。

第三步 堅持更優(yōu)

根據(jù)第二步我們基本上找到了更優(yōu)解。這個時候需要做的就是堅持了，不要去反復(fù)追問是否有最優(yōu)解。我們在第二步已經(jīng)做完了所有的判斷，第三步就是不斷的堅持下去。在執(zhí)行的過程中的確會出現(xiàn)許多其他的問題和迷惑，這個時候不代表可以停下堅持的腳步，而是應(yīng)該根據(jù)新的情況進行調(diào)整。

WHEN

面對一些復(fù)雜型、不確定性高的問題，我們不應(yīng)該去找最優(yōu)解是什么。而是在已有的選擇里，哪一個是相對更優(yōu)的。然后通過努力解決一個NP完全問題，來去找到打通其他NP完全問題的任脈。

A1便簽

上個月我打算開始找新的工作。起因是因為我收到了兩個不同公司的面試通知，這兩家公司都是主動找上我的，但是最終我落選了。落選之后，我就開始覺得很焦慮。雖然我是在休產(chǎn)假的期間，但是一想到休完產(chǎn)假能夠有新的工作還挺不錯的。于是，我給自己定了一個計劃是每周投3份簡歷。但是實際上，我一份都沒有投出去。因為我總覺得需要更新我現(xiàn)有的簡歷，并且因為休產(chǎn)假我對工作出現(xiàn)了生疏感，還有就是覺得新的工作并不一定能夠帶來更多的收入。

現(xiàn)在看來當(dāng)時我面對的就是NP問題，我想要增加工資收入，但是我不確定找新工作是否能滿足我的需求。面試失敗后，我開始不確定自己是不是適合繼續(xù)深耕產(chǎn)品經(jīng)理這個方向。于是在投簡歷的時候不斷的找其他的理由來說服自己還沒有準備好。

A2便簽

目標：在2021年復(fù)盤總結(jié)中找到2022年堅持的方向，然后執(zhí)行一階持續(xù)行動。

行動計劃：

1。 判斷問題：在年度復(fù)盤計劃里寫下現(xiàn)在困擾我的所有問題，然后進行判斷。

2。 面對NP類問題，羅列我現(xiàn)在可以執(zhí)行的選項，進行對比。給每個選項打分1到10分。然后用圖片的形式把對比結(jié)果用石墨文檔儲存好，置頂內(nèi)容。

3。把決定好的選項用iBetter App記錄下來，設(shè)定1000天的任務(wù)倒數(shù)時間。在之后出現(xiàn)困惑的時候，那羅列的對比選項拿出來回顧。