每日大赛91的优先级让我改观：最省时间的做法更高效；但逻辑其实很硬
前言 每日大赛91，是我最近连续参加的一场例行挑战。起初我像大多数人一样，按照“按难度从易到难”或“先拿分再做难题”的直觉去排优先级。经过多轮赛后，我的做法发生了根本性变化：把“最省时间”的策略放在首位，整体效率反而更高。但这背后的理由并非凭感觉，而是有一套严密的逻辑和清晰的边界条件——换句话说，看似偷懒的做法，其实相当硬核。
为什么会改观
- 心理成本与实际产出错配：花大量时间卡在某一道题上，虽然有可能得高分，但长期看效率极低。换为做几道耗时短、命中率高的题目，总分往往更可观。
- 赛场时间碎片化：现实比赛会出现网络延迟、思路卡壳等突发状况。把能在短时间内完成的题优先解决，可以稳定建立优势，减少不确定性带来的损失。
- 调整信息不对称：先做耗时短的题，可以快速判断自己状态、编译环境和思考节奏，有助于更理性地分配剩余时间。
“最省时间”的做法究竟是什么 这里的“省时间”并不是指偷工减料，而是基于单位时间产出最大化的优先级策略。具体做法可以概括为三步：
1）快速扫题（5–10分钟）：把所有题目通读一遍，标注以下三类标签——能立刻实现（A），需要思考但看起来可解（B），难以估计或风险高（C）。 2）先做A类：这些题通常是套路清晰、实现稳定的题目。把它们尽快拿下，建立得分基础。 3）分段推进B和C：对B类题设置时间上限（例如20–30分钟），超过则放弃或转为备用策略；对C类题在最后回头审视，判断是否值得投入更大时间。
为什么这更高效（数学化的直觉） 把“时间”当成资源，目标是最大化总得分 S 在总时间 T 内的比值。若题目 i 的预期得分为 si，预计完成时间为 ti，则单位时间收益为 si/ti。贪心选择单位时间收益最大的任务，是常见的近似最优策略。很多情况下，特别是在分值可拆或任务独立的场景下，这种策略会显著接近最优解。
不过需要说明两点：
- 预期得分不是确定的，估计误差会影响决策。赛前积累对题型耗时的感觉就很关键。
- 有些题存在“门槛效应”：做出一部分后就能快速完成，或者需要先解一道牵引题。要把这些因素纳入判断，而不是机械地计算 si/ti。
“逻辑其实很硬”的含义 我所说的“硬”，指的是这套策略并非凭直觉，而是可以被严格化和证明——在特定假设下，贪心策略满足最优性或近似最优性。举例：
- 当每题独立且得分是线性的、没有组合约束时，按 si/ti 排序并贪心选择显然合理。
- 在有优先依赖的题型（例如必须先解决A才能做B）时，可以把依赖关系建模成有向图，采用拓扑排序+动态规划来保证最优性或边界最优。
- 在评分规则含非线性因素（如前N解加分）时，优先策略需要调整，但仍可以通过概率模型估计最优截断点。
实践中的落地建议
- 赛前演练：用计时器在家模拟比赛，把每种题型的平均耗时记录成数据库，长期看会显著提高估分准确性。
- 时间分配表：开赛头10分钟扫题并写下时间分配草案（例如A类30分钟、B类60分钟、预留回顾20分钟），并严格执行。
- 设立“断舍离”线：对B类题设置硬性结束线，避免陷入“沉没成本谬误”。
- 保持心态：先拿到几道A类题可以稳定情绪，提升后续解题效率。
- 复盘机制：赛后把每题耗时与预估时间对比，调整下次的估时模型。
结语 把“最省时间”的做法放在优先级首位，看似是在追求捷径，实则是在用更高效的资源分配方法来达成目标。关键在于，用数据和理性把直觉条理化，把策略的适用条件摸清楚。每日大赛91让我学到的是：效率不仅是做更多，而是用更合乎逻辑的方法在有限时间内获取最大回报。下次比赛，不妨先问自己两句：这步能在我预期时间内稳稳拿下吗？若能，就先做；若不能，再把精力投入到更划算的地方。
