你能想象吗？在大城市找房，那难度简直让人望而却步。每次满怀期待去看房，满心欢喜以为找到了理想家园，可最后却总是失望而归。
心仪的房子一次次与自己擦肩而过，那种挫败感如影随形。
但你知道吗，有一种神奇的37%原则，可能会彻底改变你找房的困境。
其实，不只是找房，生活中从选餐馆到整理衣柜，无数难题背后都隐藏着计算机科学的智慧，它正悄然重塑我们的决策方式，接下来就一同探寻其中的奥秘。
在大城市里，买房或租房堪称一场噩梦。假如你最近在大城市踏上找房之旅，那其中的艰辛必定刻骨铭心。每次走进开放看房的房子，都能获取不少房源和市场信息，可看房结束离开时，大概率只能无奈叹息，因为心仪之选又溜走了。
于是，一个关键问题摆在眼前：何时该从寻觅报价转变为准备报价呢？
答案就是令人意想不到的37%原则。
若想最大程度找到理想住所，你需要查看市场上37%的房源，之后，一旦看到比之前所见都更优质的下一处房源，就果断出价。打个比方，若你计划花一个月找房，那就先用37%的时间，大约11天，来制定标准，之后遇到符合标准的房源，便可大胆行动。
之所以知晓这一方法，是因为找房过程其实是最优停车问题的范例，而这类问题早已被数学家和计算机科学家深入研究。
计算认知科学家通过探究人类大脑运作机制，对比问题的理想解决方案和实际行为方式，发现运用计算机科学知识能让我们做决策更轻松。
生活中的决策，小到决定去哪家餐馆，大到决定与谁共度余生，都充满了复杂的计算问题。
以选餐馆为例，这看似简单的行为背后，实则有着特殊的计算结构。你面临众多选择，而且明天还会面临同样的抉择，此时就陷入了计算机科学家所说的探索与利用的权衡。
你得决定是尝试新餐馆，探索并收集未来可能有用的信息，还是去已知不错的餐馆，利用现有的信息。这种权衡在生活中无处不在，听音乐时选择新曲风还是重复喜爱的歌曲，选择伴侣时是继续寻觅还是确定眼前人，甚至科技公司决定网页广告展示内容时也会面临同样问题。
在过去六十年里，计算机科学家在理解这一权衡方面取得了显著进展。
当决定去哪家餐馆时，首先要考虑在这座城市停留的时间。若停留时间短，就应利用现有信息，去熟悉的餐馆，因为此时收集新信息意义不大；若停留时间长，那就大胆尝试新餐馆，因为获取的信息能改善未来的选择，随着利用机会增多，信息价值也会提升。
这一原理也能解释人类生活的不同阶段。婴儿总是尝试新事物，看似缺乏理性，实则处于人生的探索阶段，可能会发现美好的东西；而老人总是去同一家餐馆、吃同样食物，看似无聊，实则是在利用一生积累的知识。
了解探索与利用的权衡，能让我们在做决策时更加从容，不必每晚都追求最好的餐厅，尝试新事物可能会带来比一顿美食更有价值的收获。
在家庭和办公室场景中，计算机科学同样能提供实用的帮助。比如整理衣柜，这是个让很多人头疼的问题，要决定保留哪些物品、舍弃哪些物品。
家政女王玛莎・斯图尔特给出了四个问题的建议：
拥有这件物品多久了？
它还能使用吗？
它是已有的物品的复制品吗？
最后一次使用它是什么时候？
计算机科学家尝试多种策略，其中最有效的是关注最近最少使用的项目，即删除最长时间未被访问的信息。衣柜如同计算机内存，空间有限，我们应尝试将最需要的物品放置其中以便快速找到。
所以，计算机科学家认为玛莎的四个问题中，最后一个最为重要，应采用最近最少使用的原则来整理衣柜。
这种组织事物的理念在办公室也同样适用。日本经济学家野口勇发明了一种具有特定性质的归档系统，从一个纸箱开始，将文件从左手边放入盒子，每次添加文件时都将其置于盒子左边，每次访问文件后，查阅并放回左手边，最终文件会根据最近使用情况从左到右排序，这样就能从盒子左手边快速找到所需文件。
同样，桌上看似凌乱的文件堆，只要每次拿出文件后放回顶部，文件就会根据最近使用情况从上到下排序，也能让你快速找到所需文件。
整理衣柜或办公桌或许不是生活中最紧迫的问题，但当我们面临极其复杂的问题时，计算机科学仍能提供策略和慰藉。计算机面临难题时，会将其转化为更简单的问题，通过利用随机性、消除约束或允许近似值来处理，解决这些简单问题能让我们洞察更难的问题，有时还能得出不错的解决方案。
了解这些能让我们在做决策时更加从容，比如在寻找住所时接受37%原则，因为我们无法考虑所有选择，只能冒险。即便遵循最优策略，也无法保证完美结果。
遵循37%规则，虽大部分时间可能失败，但这已是最佳选择。
最终，计算机科学能帮助我们接纳自身的局限性，我们无法控制结果，只能把控过程。只要采用了最佳方法，就已竭尽全力。
有时这些最佳方法包括冒险，不去考虑所有选择，或者愿意接受一个相当不错的解决方案，这并非我们在不理智时做出的让步，而是理性的一种体现。
