下载掌阅APP，畅读海量书库
立即打开
人生是一个非凸的优化问题
Q 30多岁的大龄剩女，总觉得得到的所有，无论学历、机会，还是高薪，都跟自己的实力不怎么匹配，没读太多书，智商也一般，下一步不知道该怎么走了……我相信自己，有热情就会有动力去追求，不管结果是什么。可这么大岁数了，我还是不知道自己想要什么，想猛劲尝试，又知时间不多，想去上海闯闯，也想出国读书（逃避？），该怎么选择呢？
应用数学以及计算机学科里有个常用分支叫“Optimization”，中文翻译是最优化。最简单的例子就是，在一个连续函数上找到最大值或者最小值。
对于无约束的优化问题，如果函数是二次可微的话，那么可以通过找到目标函数梯度为零的那些点来解决此优化问题，这些点被称为“鞍点”。对于有约束条件的约束问题，常常可以通过拉格朗日乘数来将其转化为非约束问题。
如果目标函数在我们所关心的区域中是凸函数的话，那么任何局部最小解也是全局最优解。比如下面这个例子（严格地说，这个例子是一个求最大值的问题，这个函数也不是经典意义上的凸函数——不是向下凸，而是向上凸，为简单起见，这里就不纠结了）。
但是，如果一个函数是非凸的，那事情就麻烦了，因为你可能找到了一个极值，但这只是一个局部极值，而不是全局极值，用数学老师的话说：你“陷入”了一个局部极值。比如下面这种情况：
陷入了一个局部极值，这就是你现在所处的状况。
你看啊，首先，你上了一所不错的大学；然后大学毕业，你没做枯燥而危险的化学，而是找了一份应该还不错的办公室工作；再然后，领导器重你，派你去了英国工作，不仅工资高，还长了见识。到目前为止，你人生的每一步都是在往上走。
打个比方啊，这就好比爬山，你从山谷里开始往上爬，每一步都选择往上走，爬着爬着，你发现自己已经站在了山顶上。但不幸的是，你发现你所在的山顶，并不是最高的山顶，你能看见周围还有很多比你所在的山顶高的山顶，甚至有的还高得多。
更不幸的是，你环顾四周，发现下一步无论怎么走，都是下坡，因为你已经站在小山顶上了。
你瞧，这就是你焦虑的根本原因： 人生是一个非凸的优化问题，而你正处于一个鞍点。
那这问题有解吗？当然有。
一个经典的非凸优化问题的解法叫“Simulated Annealing”——模拟退火。虽然模拟退火在你人生中直接实现起来不那么容易，但是这个算法的精神咱们还是可以借鉴的。以下这段内容，摘抄自维基百科：
“模拟退火来自冶金学的专有名词‘退火’。退火是将材料加热后，再经特定速率冷却，目的是增大晶粒的体积，从而减少晶格中的缺陷。材料中的原子，原来会停留在使内能有局部最小值的位置，加热使能量变大，此时，原子会离开原来的位置，而随机在其他位置移动。”
你瞧，关键是你得“加热”，然后“离开原来的位置”。说白了，你不能站在现在的小山头上发呆或焦虑，患得患失只能让你永远在这个鞍点上待下去。
好了，鸡汤讲完了。
下面是褚老师的真实建议：
说实话，就在现在这山头上待着也不错，至少这是一个已知的最高点。尤其是说你“得到的所有，无论学历、机会，还是高薪，都跟自己的实力不怎么匹配”，这不是什么坏事，恰恰相反，这绝对是件求之不得的好事。你知道吗？大部分人焦虑的原因跟你的是相反的，他们总觉得自己怀才不遇。
鸡汤喝得不对，也不一定健康，很多人鸡汤文看得多了，剑走偏锋，跟自己过不去。
所以，正确把握自己，别折腾，珍惜你现在拥有的。褚老师不是说过吗：我未曾珍惜的，我不再拥有。他还经常说另一句话：放弃幻想，轻装前进。