解决问题时，如果您在正确的时间以正确的顺序做出足够的最佳选择，那么您会探索迷宫般的决策点，理想情况下会找到解决方案。
您在迷宫中的早期分支做出的决定可以决定您将来的成功。 对许多竞争性替代品进行分类是一个复杂的问题。 在本文中，我们将介绍选择策略，度量和解决方案的成功方法。 一旦有了可靠的策略选择方法，您的决策将得到简化，高效和最优。
关键决策点
这些至关重要的早期分支通常涉及以下决策点：
- 评估偏见
- 确定问题类型和背景
- 找出相关的见解
- 选择策略选择方法（规则）
- 选择解决方案选择方法（实现）
所有这些决策都可以在解决问题的过程中的每个点进行重新评估。 但是，从一开始就投入思考时间以使它们正确，将使您在比赛中处于领先地位，并降低通往未来解决方案的路线的复杂性。
就这五个关键决策点而言，前三个-评估偏见，映射问题空间和确定洞察力-是在其他地方讨论的问题，因此我不会在本文中赘述。
如果您对前三个决策点感兴趣，那么我将在这篇文章中讨论偏见的物理原理，以及它如何基于我们的优先事项和激励机制将我们推向某些逻辑谬论— https://medium.com/@insighterator/逻辑陷阱23c50dd77876
在这篇文章中，我研究了映射问题空间：
洞察构建模块IV：问题与解决方案匹配的算法
在本系列的第1部分中，我们介绍了如何定义见解，以便以编程方式识别见解。 medium.com
在这里，我讨论了如何识别见解：
洞察构建块I：识别洞察的算法
鉴于我们可以访问大量的洞察数据，为什么没有更多的算法将洞察用作数据？ 让我们谈谈… medium.com
但是在本文中，我们将集中在剩下的两个决策点上-选择策略选择方法与选择解决方案选择方法。
好的策略选择方法可以使发现见识和选择解决方案成为解决问题过程中最简单的步骤。 选择解决方案与选择策略之间的斗争是每个专家问题解决者都面临的最重要的难题之一。
在深入探讨之前，让我们定义一下术语。
定义
策略：决策规则，可从中得出一组排名优先级。 策略以洞察力为动力，并与一系列问题和解决方案类型以及一系列观点相关。 战略可以像一个洞察力一样简单，例如“预防战胜战争”。 战略版本将仅仅是指导性版本：“预防战争以赢得战争”。
策略示例：
- 先建立，再评估
- 先了解，再决定
- 过度投放和承诺不足
- 系统化，然后申请
- 首先是抽象解决方案
- 确定问题空间的有意义的特征，这些特征可以确定价值而无需理解。 （示例功能将是专家。识别系统中的专家将使您可以利用这些专家的见解，而无需自己了解系统。）
您可能已经注意到，策略和见解是抽象的，问题和解决方案是具体的。
策略选择方法：这是一种选择策略的元策略。
策略选择方法的示例：
- 根据问题类型使用历史上成功的策略
- 根据是否符合优先顺序比较替代策略
- 为每种策略的优缺点分配定量值，并数学计算最佳策略
- 使用最新的策略（或实时调整策略），因此最不可能准备比赛
- 识别为策略提供动力的见解，然后通过确定策略在策略图上的位置来建立理解
- 评估是否有比当前问题要解决的最佳问题
如您所见，策略选择方法只是决策规则，就像普通策略一样，但是决策规则专门针对选择策略的目标。
策略类型：决策规则的一种模式，可帮助评估和选择策略以开发元策略选择方法。 策略类型具有策略属性的不同组合，并与观点相对应。
策略类型示例：比较，假设，抽象，基于逻辑，基于优先级，功能，关系等。
策略属性：
- 优先/激励媒介：战略对优先/激励的遵守
- 价值生产：符合特定功能的战略
- 迭代效果：评估此策略对问题空间的影响（它会产生更多难以解决的问题，是否解决其他问题以及这些问题是否更有价值，是否有助于社会进步，是否实现了较小的自私目标同时将社会困在同一问题空间中？）
- 稳健性：检查策略是否缺少说明，这些说明表明对该问题空间的理解有限（此策略是解释模型中的所有因素还是仅解释某些因素，为什么会弄错这些因素？）
- 利用机会：研究这种策略辅助的良性意图与平行的反社会意图之间的差异； 用来发现有反社会意图的人如何利用这种策略
- 解释：陈述并解释了该战略的重点； 用于查找跨社区如何解释此策略
- 抽象级别：策略在不同问题类型之间的可重用性
- 历史：此策略对于类似问题类型的历史成功，评估导致过去和现在问题类型之间差异的失真因素以及该策略的历史演变
- 见解：为这一策略提供动力的概念联系
- 位置：策略在策略图上的位置，其轴代表其他策略属性，例如优先级，抽象级别或解释
问题：利益，优先级和激励等力量之间的冲突，涉及信息，假设和观点等有限资源。 问题示例：
- 我想去听音乐会（兴趣向量），但是我需要学习测试（优先向量）。
- 我想说些话（兴趣向量），但不会让我的朋友疏远（优先向量）。
- 我想构建一个工具来可视化系统关系（兴趣向量），但是我没有很好的数据（资源限制）。
问题类型：一种问题模式，涉及系统属性（例如范围，规则，优先级和资源）的变化之间的抽象关系。
问题类型示例：优先级不匹配，范围不匹配，利益冲突，缺乏计划，缺乏理解，信息不对称等。
问题空间：产生问题的环境环境，涉及法律/科学/技术/洞察状态，文化优先事项，激励结构等资源。
解决方案：使问题空间无效，无法利用，移动或改变问题空间形状的概念的交点； 特定策略的实现（例如特定策略类的对象，或建立在特定策略框架上的应用程序解决方案）。
示例解决方案：区块链是一种解决方案，涉及信任，价值存储，数学对等，去中心化，参与激励等概念之间的交集。在发明区块链之前，问题空间是：“我们如何以相对不信任的方式存储价值” 。 在发明了区块链之后（从而回答了为该问题空间提供动力的问题），问题空间变成了这样的问题变为有效的形状：
- 我们如何激励人们参与区块链
- 我们如何有效地评估代码意图
- 每个区块链实施的优先顺序是什么
解决方案类型：应用于特定问题空间的策略实施模式，例如试错，重新混合，属性定义，系统化，比较分析，元分析等模式。
解决方案选择方法：用于在特定替代解决方案之间进行选择的策略（决策规则）
解决方案选择方法示例：
- 该解决方案是否可以让我们一次完成多个优先事项？
- 该解决方案可用于我们的其他问题吗？
- 此解决方案还会带来其他问题吗？
如您所见，由于解决方案只是特定策略的特定实现，因此它具有与策略相同的属性。 这些属性可用于量化每个解决方案提供的优化。
断水
你做到了！ 那是您在那攀登的壮举。 现在，我们在工具箱中有一个包含这些术语的内聚系统，可以用来探索它们之间的关系，寻找可以改善我们策略的见解。
策略与解决方案
现在，我们已经确定了这些概念的定义，让我们回到最初的困境：选择策略与选择解决方案之间的斗争。
假设您正在解决一个问题，并且陷入问题迷宫中的决策分支。 您看到了一些可能的解决方案，但是犹豫不决，这使您认为应该重新评估所有内容。 您是选择一个解决方案并运行它，还是投入更多时间思考使您适应并适应的策略？
重新评估策略并没有听起来那么糟糕。 每个伟大的问题解决者都可以做到—有些人在每个决策点都可以做到。 这是在优化解决方案开发过程中会获益的习惯。
“但是我几乎处于构建阶段，”我们的英雄说。 “现在重新考虑我的策略会延迟我的目标。”
的确，我们没有无尽的时间在躺椅上大张旗鼓地摆好自己的衣服，摆姿势是“研究中的哲学家肖像，探索思想实验”。
但是，重新评估策略并不一定要花费时间。 我们可以将评估过程量化为有条理和有效的操作。
量化策略选择
上面我们讨论了比较解决方案定量值的难易程度，因为解决方案是特定的并且具有易于度量的指标，例如所需的成本和时间。
现在，我提出一些被某些人称为非常离谱的东西：无论多么抽象，我们都可以轻松地量化策略的价值。
但是如何？
位置：在计算每个策略的价值时，我们可以通过在关键策略指标的轴上绘制图表来查找和比较策略位置，例如对优先级和可复制性的遵守情况。
我确定策略位置的方法的关键部分是计算洞察力值。
计算策略价值
策略的价值=总和（基础见解的价值）
要使用此公式，我们需要能够找到洞察力的价值。
计算洞察价值
洞察力的值=系统角色*（排名优先级向量的结束位置）^（抽象级别）/可重复性
用通俗易懂的语言来说，见解的价值是其在父系统中的角色的价值乘以其优先级向量的终止位置到其抽象级别的能力，再除以见解的可复制性。
系统角色
“系统角色”是什么意思？ 每个洞察力代表概念之间的关系，每个概念都是系统中的一个节点。 因此，高价值角色是链接系统中较重要的节点的见解，而低价值角色是链接系统中较不重要的节点的见解。
因此，在以下透视图系统中，每侧代表一个节点：
与真相和意义相联系的见解比与构建和验证相联系的见解具有更高的价值。 这就是我所说的“系统角色”。
根据优先级向量确定位置
关于优先级向量的结束位置，洞察力可以反映多个排名的优先级。 每个优先事项都将您推向不同的方向。 因此，计算通过应用多个排名的优先级向量产生的结束位置，可以为您提供洞察力在优先级图上的位置。
优先级的示例在下面的抽象网络的简化版本中-优先级例如潜力，真相，平衡，冲突等：
可复制性是指识别和复制基础洞察的难易程度。 该指标涉及实施洞察所需的复杂性或计算时间以及其他资源。
其余步骤来计算策略价值
因此，我们现在有了一个公式来计算策略的价值。 有了这种量化结构，剩下的就是：
- 编写函数以计算可复制性
- 确定优先级图的轴
- 映射相关系统以计算每个洞察力的系统角色
那么谁赢了：解决方案或策略？
您可能从上面的定义中还记得，解决方案只是策略的特定实现。 因此，我们计算策略价值的公式也将适用于计算解决方案的价值。
这意味着您不必在重新评估策略和解决方案之间进行选择。 即使解决方案非常具体，也可以追溯到策略，并且可以将该策略追溯到见解。 一旦我们能够可靠地计算出洞察力的价值，就可以量化和自动化以前比较复杂的比较和选择策略与解决方案的任务。
见解（以及基于它们的技术）减少了解决问题（包括选择解决方案或策略之类的问题）的计算时间。 因此，即使在分析之前解决方案似乎是显而易见的选择，还是值得在做出选择之前进行快速计算： 我认为这个问题或问题类型将来会再次出现吗？
如果答案是肯定的，那么值得您花时间在理解系统上，以获取有关该系统如何工作的完整见解。 如果您将时间花在了解系统的瓶颈上，那么将来在该系统中进行的所有计算将可以在恒定的计算时间内执行。 了解系统后，您将来在该系统中进行的计算实际上将是对见解的查询，而不是费时的分析。
在我的下一篇文章中，我将详细介绍如何编写程序以根据其节点之间的语义关系来映射系统，从而以编程方式识别见解。
