2022赛季信息奥赛老选手再战学习指南

过去的几十年间，信息学竞赛作为一个很客观、少争议的赛事，激励和成就了很多靠实力说话的优秀学子。一代又一代优秀的信息学选手通过学习信息学找到自己的兴趣、进入顶尖名校学习相关专业、成长为我国乃至世界信息科技及人工智能领域的学术大牛和产业界领军人才。

算起来，距离今年 CSP-J/S 开始已经不足半年时间了，最近很多家长和同学在问“应该怎么规划下一步学习？”、“提升遇到瓶颈了怎么办？”、“能不能帮我判断机构老师是不是靠谱？”一类的问题。

在这里，小编团队要再次推荐先阅读我们前不久更新的科普文《什么是信息学？为什么学？应该怎么学？》。在此基础上，针对提高阶段的家长和同学近期问得最多的问题，我们做了一下总结。

• • 感觉有点失去了学习兴趣，还要继续学习吗？
  • 做了很多题目，看别人做也很简单，但是自己遇到新的题目还是不会做应该怎么办？
  • 学校老师建议不要继续学、机构老师建议坚持学习，自己应该怎么判断？

结合这三类问题以及背后的一些现象，小编团队针对参加过至少一次 CSP-J/S 认证的老选手制定了一份《2022 赛季老选手再战学习指南》。而对于刚开始学习的零基础同学，建议晚些再读这篇文章，先阅读我们上周发布的另一篇《2022 赛季新手备赛学习指南》。

平衡课内学习很关键，没有兴趣就歇歇

至少学习了一年信息学、参加过一次 CSP-J/S 认证的同学对“是否喜欢信息学？”这个问题应该已经多少有了自己的答案。

如果你很享受动脑分析并解决问题的过程，能在选择、组合不同算法的过程中找到成就感，坚持学习下去会是一种享受。而如果你觉得设计程序、调代码很折磨，完全找不到乐趣，甚至感到煎熬，或许把精力更多投入到其他自己感兴趣的学习方向中能更有意义。

在参与过一个赛季的比赛和活动后，另有不少在学习时没有极端喜欢或厌恶信息学的同学会因为分数或者排名开始对自己有一些怀疑。对于这种情况，一定要留意确定自己是否选定了合适的比较对象。

一般来说，小学阶段学信息学时不太需要和其他同学做分数比较，这个阶段除了少量“神童”可能因为一些特殊原因而成绩突出，多数同学并不会拉开很大差距。上初中后，随着大家认知水平的提升，这时候就需要关注一下与自己相差一年以内的同龄人选手们和自己的水平差距了。在中小学阶段，和自己大很多的选手作比较都是不必要的，甚至在大学毕业前，这些比你大很多的选手大概率不会和你有什么竞争；而且，年轻也是一种优势，利用一年多的时间差足够改变非常多的东西。

另外，在判断自己要不要继续学习信息学的时候，一定要避免“赌徒思维”，现行的高考“保送生”政策只覆盖在全国青少年信息学奥林匹克竞赛（NOI）中获得金牌的 50 名学生；其他同学不管最终以怎样的方式被录取，参加高考都是无法避免的。所以，这就决定了学科内知识的重要性。

在学习信息学的过程中，要注意关注学习方法的总结和迁移，很多学习信息学过程中形成的习惯是可以被应用在其他学科的学习中的。

• 多读信息学的练习题，训练读题、审题的能力对于语文的阅读、分析能力是会有帮助的；
• 在后期阶段参与海外信息学训练赛的过程中，英语的语感会被促进、单词量也往往会提升；
• 根据题目描述进行问题抽象、建模并用一个或者多个算法联立解题的过程和物理、化学中进行问题抽象和求解的过程是高度类似的；
• 练习和比赛时，对于输入、输出进行推算、验证的过程对于数学能力的促进在竞赛选手的身上更是非常显性的。

对于努力学“信息学”还学不好的同学，如果学其他学科也吃力，一定要立即警惕起来。做不到学有余力的情况下，信息学成绩不好反映出的往往不是“不适合学习信息学”，而更可能是自己本身在学习方面没有养成足够好的习惯。如果是这种情况，不如现在先把信息学放到一边，先调整好学习习惯和学习状态；如果之后还有兴趣学习计算机科学专业，也可以等高考分数够考上一个好大学时再做决策。

眼高手低要避免，认清自己的实际问题很重要

刚开始学习信息学、学习 C++ 时，同学们普遍比较虚心。但是，了解了一些数据结构和简单算法后，很多同学会“飘起来”。有些同学会迅速开始追求做题量，然后做题时动不动就遇到“看一眼就写，几小时过去还写不对”的问题。

虽然，这些同学都表现成“觉得能做，但是写不对代码”，但实际上在他们“写不对”背后的问题层次可能是完全不同的。

为了方便家长和同学们理解这种“不同”，我们在这里把做信息学题和写命题议论文做了一个类比。

• • 审题：做信息学题目和写命题作文的第一步是高度一致的，都需要审题，都需要提取题目中的重点信息。写作文时提取不出信息或者漏了关键信息就会“偏题”，做信息学题目时提取不对建模时也会跑偏。

  • 确定论点：写议论文时，我们需要找到积极向上的论点。论点的选取会限制我们接下去的写作方向。在做信息学题目的时候，除了题干中的信息，我们还需要关注数据范围和时空限制；它们共同限制了我们接下来能使用哪些复杂度的算法。

  • 找到论据：写议论文时，给定了论点之后，我们可以使用各种不同的论据去支撑我们的论点。解信息学题目也是类似的，对同样一个题目，我们可以使用的算法并不一定是唯一的。在确定的时空复杂度下，可用的算法或者算法组合会有很多。我们需要知道如何进行选择。

  • 组织文字：写议论文时，写得结构清晰、组织顺畅、详略得当才更容易被进一步润色和定稿。而在确定算法后，编程去实现时也要注意程序的整洁、易读，我们既要关注如何编得更快，也要尽可能养成好习惯确保之后调试时不会太费劲。

  • 校验内容：文章中有错别字或者病句往往会被视为重大的败笔。而在解信息学题目的时候，边界情况考虑不全，因细节遗漏而导致实现不完美也是同样可惜的。我们要知道如何测试得更全面，避免因细节而留遗憾。

同样是“写不对”，问题其实可能出在上面列出的任一环节。在训练的时候，我们一定要总结，弄清楚问题到底出在哪个环节——是“题目读不清”、“复杂度分析不对”、“算法找不出”、“代码写不好”还是“总漏考虑细节”。知道了问题所在，我们才能有针对性地调整自己的做题习惯——避免读完题立即就写代码，在动键盘前多花些时间思考和推演，争取事半功倍。

循序渐进走出舒适区，查缺补漏要坚持

学习信息学一段时间后，不少同学会出现原地踏步的现象。在这种现象的背后，有不少同学是在选练习题时陷入了“反复刷已经会的题目”的谜之操作。

这种现象被称为“舒适区停留”——当学习到一定阶段后，同学们已经可以较好地掌握基本的程序语言和简单的数据结构、算法。这时候，有部分同学就会开始停留在舒适区，不自觉地反复做差不多的题目。看似在努力学习，本质上却很难进步。

这时，一定要注意通过知识梳理对自己学过什么、没学过什么有一个更清晰的认知。梳理的时候，可以参照中国计算机学会去年发布并不断修订的《NOI大纲》中的知识点进行。既要把大纲中的知识点列出，也要根据做过的、见过的题目对大纲中的知识点进一步地细化拆解。在细化的过程中，如果担心自己整理得不全，还可以适当借鉴一些培训机构提供的课程大纲或者题库知识点表（图）。

在完成知识点列举和条目拆解后，试着把自己做过的题目对应到自己列出的知识点和条目中。再之后，我们就可以清晰地找出哪里是练习过少的薄弱知识点，哪里是训练过多的舒适区了。

在能清晰认知知识点后，我们可以进一步把知识点进行连接，梳理出知识图谱。此后，我们可以在构建好的图中找到所有连通块，并把过往考过的题目整理到这些连通块中，分块整理出经典题集。这时候，如果我们对这些题目的描述中冗余的文字描述进行移除，它们将被转化为只剩关键要求部分“骨架”的题目模型。梳理这些题目模型，我们会发现，每块的题目模型是高度一致的，对应的解题模型也是很相似的。这时候，我们就可以去记忆一些相关题目的经典“解题模板”（在此之前建议慎用模板，不然容易只会“套模板”而不会做题）。

再往后，我们可以再尝试总结跨连通块的知识点在被使用时的共性，找到求解很多看似不同的题目的算法中的思维共性，形成一些“直觉”。像是下面这些就是小编试着举例的一些信息学学习中存在思维共性的例子。

• • 搜索、动态规划等问题中都会有的“状态表示”思想

  • 分治问题、动态规划问题中都会有的“分类讨论”思想

  • 前缀和、线段树、哈希表等问题中的“空间换时间”思想

  • ……

当我们打通了各个看似不那么相关的数据结构和算法之间的“任督二脉”后，再做题目时，我们就不会只能套学过的算法了。即便是遇到看起来很新的题目，我们也完全不会手足无措、无从下手了。其实，真正到国家集训队水平的同学普遍都是能达到融会贯通水平的，大家在一些比赛中甚至可以临场“发明出”自己本不了解的一些算法和数据结构，下了比赛如果查不到其他人提出来过类似做法就可以发一篇学术论文。

在融会贯通的后期，我们还需要试着做一做“逆向工程”，多去想一想出题人是怎么出题的——如果扩大数据范围，会有什么样的做法？测试数据需要覆盖到哪些边界情况？如果增加一些额外的限制，现在可行的某种算法是否就需要被修改或者替换了呢？

看到这篇指南的同学可以试着对照一下，看看当前自己现在有没有这些训练和总结的习惯。如果有的话，再关注一下自己位于哪个阶段，想一想接下来自己怎么才能进入下一个阶段。

最后，参考《NOI大纲》十个难度系数的划分和 2021 年 CSP-J/S 第二轮评级情况的差别，小编团队为老选手们大致制定了下面三个时间表和目标规划，仅供家长和同学们参考（括号内数字为 NOI 大纲难度系数）。

对CSP-J2至少一题满分的同学

对CSP-J2至少两题满分或CSP-S2获评级的同学

对CSP-J2至少三题满分或CSP-S2至少一题满分的同学

“宝剑锋从磨砺出，梅花香自苦寒来”——愿热爱信息学，正面对坚持、突破或放弃抉择的你能在磨砺和挑战中享受信息学的乐趣。