你们的姜碧野学长远在美国伯克利，看到大家写的总结，觉得有很多不足之处，他从一个过来人的经验出发，给大家写了长篇幅的分析，句句有很有借鉴价值，每个同学必须去仔细研究。另外姜碧野将会代表伯克利参加下一年的ACM final
我随便看了下大家的总结...感觉信息量不大，总结的都不是重点.....核心问题在于大家可能没有意识到信息学竞赛跟其他竞赛、高考的本质区别......
所以大家总结的常见句式是：“题目好水的，就是那个xx没想到、xxx没注意、犯了个小错误”....或者就是只写写“xxx题想到了xxx算法，让后上去拍，然后就没有然后了”，“我当时有点急...所以犯了xxx错误”...
我觉得大家还认为想算法本身是竞赛的绝大部分内容，而认为后面的code实现是技术活，允许“偶尔”存在各种各样奇怪的小错误小误差.......这种想法是很错误。因为计算机科学相比于数学最本质的区别就在于：数学只关心函数变换的性质，而computer science要研究变换函数具体怎么实现、怎么一步步计算。什么意思呢？比如说排序，数学家只会在序列上定义一个函数f(x)=y，比如f([2,1,3])=[1,2,3]....然后去研究排序的性质(就像我们一般讲题时，纸上谈兵，仅仅是讲讲各个算法怎么组合在一起而已)，而cs则会具体研究这个函数每一步的计算过程是什么，不同的计算过程各有什么特点。这是有本质区别的。。
再回到大家写的总结，很多时候只讲了自己想算法的经过，有了一个模糊的“要用那个xxx算法”的想法，就开始搞实现了，然后也不讲自己实现时都想过些什么问题但实际上，具体实现的时候，哪些边界问题要考虑，哪些假设需要去验证，各种变量在整个计算过程中是怎么协调的，会不会什么时候出现bug，都是要系统地去考虑的~这些思维方式是数学家以及其他学科的人完全不具有的（也是很多程序员不具有的），而熟练掌握这种思维方式，正是高级程序员和入门级程序员的最本质区别。
我当年高一参加GDOI2007，我当时也觉得题目不难啊，各种题都想到了算法，但是：1. 写得很慢，每试都写不完4题，2. 最后的其实大难题只知道算法，但想清楚实现的细节，以及最终实现可能还需要1~1.5h的时间。其实在NOIP, GDOI里面，因为题目不是非常难而且你跟你的竞争者实力不差太远，想在“算法”上取胜不容易。更多的是你比别人写得快写得准... 我后来GDOI2008的时候，就非常有条不紊，每道题都想得非常清楚，正是因为多写一年code,各种实现的经验又涨了很多很多.....
只讨论怎么想题，不讨论怎么想“实现”的是所有人的通病，因为那个不好用语言表达。但大家除了要总结自己为什么没想到某某算法之外，一定要学会去总结，自己为什么没意识到那个bug的可能存在？自己为什么写着写着题发现得架构错了，得推到重来？别人写code时候，都想了什么问题？为什么要想那个边界？为什么那个边界会出问题？.....大家必须熟练掌握验证自己程序准确性的常用方法，学会合理预测各种可能的bug。这些其实上是很难的，在软件工程领域有一个专门的“形式化验证”的方向。所以大家必须引起重视，也可以多快看那些软件工程相关的书籍，对于程序测试、模块化程序的编写、良好程序风格的把握等等积累经验。
最后一句话：不要再觉得自己程序写出些小错误，是些“随机”的小误差....不要总觉得想出了算法就很不错了，就跟那些做对的人一样了。你写不出来、写不对，就是差距......
写对一个code，不难...知道这个code为什么是对的，很难.....