数学与计算机 13页

专业课程效果分析“学计算机一定要数学好,计算机与数学密切相连”“计算机根本上是数学的和哲学的."计算机科学是数学和哲学的女儿".一些计算机相关专业，也开设分析和高代，每周六课时数学分析，六课时高等代数，天天作业不断(那时是六日工作制)。颇有些同学惊呼走错了门：咱们这到底念的是什么系？不错，你没走错门，这就是(当时的)南大计算机系。系里的传统是培养做学术研究，尤其是理论研究的人。而计算机的理论研究，说到底了就是数学，虽然也许是正统数学家眼里非主流的数学。　　数学分析这个课程，学计算机的人对它有很复杂的感情。爱它在于它是第一门，也是学分最多的一门数学课，又长期为考研课程。94以前可以选考数学分析与高等代数，以后则并轨到著名的所谓“工科数学一”。其重要性可见一斑。恨它则在于它好像难得有用到的机会，而且思维跟咱们平常做的这些离散/有限的工作截然不同。当年出现的怪现象是：一般来说，计算机系学生的高中数学基础在全校数一数二，教学课时数也仅次于数学系，但学完之后的效果却几乎是倒数第一。其中原因何在，发人深思。　　个人的浅见是：计算机类的学生，对数学的要求固然跟数学系不同，跟物理类差别则更大。通常非数学专业的所谓“高等数学”，无非是把数学分析中较困难的理论部分删去，强调套用公式计算而已。而对计算机系来说，数学分析里用处最大的恰恰是被删去的理论部分。说得难听一点，对计算机系学生而言，追求算\n来算去的所谓“工科数学一”已经彻底地走进了魔道。记上一堆曲面积分的公式，难道就能算懂了数学分析？　　吉米多维奇的“数学分析习题集”也基本上是计算型的资料。如果你打算去考那个什么“工科数学一”，可以做一做。否则，不做也罢。中国的所谓高等代数，就等于线性代数加上一点多项式理论。我以为这有好的一面，因为可以让学生较早感觉到代数是一种结构，而非一堆矩阵翻来覆去。高等代数相当全面地包含了关于多项式和线性代数的基本初等结果，同时还提供了一些有用的比较深的内容，如Sturm序列，Shermon-Morrison公式，广义逆矩阵等等。可以说，作为本科生如能吃透此书，就可以算高手。　　从国内教材看，各有千秋。从抽象代数的观点来看，高等代数里的结果不过是代数系统性质的一些例子而已。莫宗坚先生的“代数学”里，对此进行了深刻的讨论。然而莫先生的书实在深得很，作为本科生恐怕难以接受，不妨等到自己以后成熟了一些再读。概率论与数理统计这门课很重要，可惜少了些东西。　　少了的东西是随机过程。到毕业还没有听说过Markov过程，此乃计算机系学生的耻辱。没有随机过程，你怎么分析网络和分布式系统？怎么设计随机化算法和协议？据说清华计算机系开有“随机数学”，早就是必修课。　　计算方法，一般学生对这门课的重视程度有限，以为没什么用。其实，做图形图像可离不开它。而且，在很多科学工程中的应用计算，都以数值的为主。　　这门课有两个极端的讲法：一个是古典的“数值分析”，完全讲数学原理和算法；另一个是现在日趋流行的“科学与工程计算”，干脆教学生用软件包编程。不过，只要你有机会在自己的电脑上装个matlab之类，完全可以无师自通。\n　　离散数学，包括集合论，图论，和抽象代数，不过，这么多内容挤在离散数学一门课里，是否时间太紧了点？另外，计算机系学生不懂组合和数论，也是巨大的缺陷。要做理论，不懂组合或者数论吃亏可就太大了。　　从理想的状态来看，最好分开六门课：集合，逻辑,图论，组合，代数，数论。这个当然不现实，因为没那么多课时。也许将来可以开三门课：集合与逻辑，图论与组合，代数与数论。　　不管课怎么开，学生总一样要学。　　总的来说，学集合/逻辑起手不难，但越往后越感觉深不可测。建议有兴趣的同学读读“数学基础引论”--此书有点时间简史的风格，讲到精彩处，所谓“天花乱坠，妙雨缤纷”，令人目不暇接。读完以后，你对这些数学/哲学中最根本的问题有了个大概了解，也知道了山有多高，海有多深。　　学完以上各书之后，如果你还有精力兴趣进一步深究，那么可以试一下GTM系列中的IntroductiontoAxiomaticSetTheory和ACourseofMathematicalLogic。这两本都有世界图书的引进版。你如果能搞定这两本，可以说在逻辑方面真正入了门。　　据说全中国最多只有三十个人懂图论，此言不虚。图论，技巧性太强，几乎每题都有一个独特的方法，让人头痛。不过这也正是它魅力所在：只要你有创造性，它就能给你成就感。所以学图论没什么好说的，做题吧。　　信息安全数学基础（抽象代数与数论），国内有经典而且以困难著称的“初等数论”(潘氏兄弟著，北大版)。再追溯一点，还有更加经典(可以算世界级)并且更加困难的“数论导引”(华罗庚先生的名著，科学版，九章书店重印)。把基础的几章搞\n定一个大概，对本科生来讲足够了。但这只是初等数论。本科毕业后要学计算数论，你必须看英文的书，如Bach的IntroductiontoAlgorithmicNumberTheory。理论计算机的根本，在于算法。现在系里给本科生开设算法设计与分析，确实非常正确。环顾西方世界，大约没有一个三流以上计算机系不把算法作为必修的。　　　　学习计算机——理论之外　　如果计算机只有理论，那么它不过是数学的一个分支，而不成为一门独立的科学。事实上，在理论之外，计算机科学还有更广阔的天空。我一直认为，4年根本不够学习计算机的基础知识，因为面太宽了。一个一流计算机系的优秀学生决不该仅仅是一个编程高手，但他一定首先是一个编程高手。　　我上大学的时候，第一门专业课时程序设计，现在好像改成了计算机科学导论？不管叫什么名字，总之，念计算机的人就是靠程序吃饭。在计算机系版有过一场争论，关于第一程序设计语言该用哪一种。我个人认为，用哪种语言属于末节，关键在养成良好的编程习惯。当年老师对我们说，打好基础后学一门新语言只要一个星期。现在我觉得根本不用一个星期——前提是先把基础打好。　　数据结构有两种不同的上法：一种把它当成降低要求的初级算法课，另一种把它当成高级的程序设计课。现在国内的课程好像介乎两者之间，而稍偏向前者。个人认为，假如已经另有必修的算法课，恐怕后一个目的更重要些。　　国内流行的数据结构书也有两种：北大的红皮书(许卓群等著，高教版)和清华的绿皮书(严蔚敏等著，清华版)。两书差距不大。红皮书在理论上稍深一些，当然\n离严格的算法书还差好远。绿皮书更易接受些，而且佩有一本不错的习题集，但我觉得它让学生用伪代码写作业恐怕不见得太好。最好还是把算法都code以后debug一番，才能锻炼编程能力。　　汇编预言和微机原理是两门特烦人的课。你的数学/理论基础再好，也占不到什么便宜。这两门课之间的次序也好比先有鸡还是先有蛋，无论你先学哪门，都会牵扯另一门课里的东西。所以，只能静下来慢慢琢磨。这就是典型的工程课，不需要太多的聪明和顿悟，却需要水滴石穿的渐悟。　　有关这两门课的书，电脑书店里不难找到。弄几本最新的，对照着看吧。　　模拟电路，如今不仅计算机系学生搞不定，电子系学生也多半害怕。如果你真想软硬件通吃，那么建议你先看看邱关源的“电路原理”，也许此后再看模拟电路底气会足些。　　教材：康华光的“电子技术基础”还是不错的。有兴趣也可以参考童诗白的书。　　操作系统可以随便选用Tanenbaum的OperatingSystemDesignandImplementation和ModernOperatingSystem两书之一。这两部都可以算经典，唯一缺点就是理论上不够严格。不过这领域属于HardcoreSystem,所以在理论上马虎一点也情有可原。　　如果先把形式语言学好了，则编译原理中的前端我看只要学四个算法：最容易实现的递归下降；最好的自顶向下算法LL(k)；最好的自底向上算法LR(k)；LR(1)的简化SLR(也许还有另一简化LALR?)。后端完全属于工程性质，自然又是anotherstory。\n　　学数据库的第一意义是告诉你，会用VFP编程不等于懂数据库。(这世界上自以为懂数据库的人太多了！)数据库设计既是科学又是艺术，数据库实现则是典型的工程。　　所以从某种意义上讲，数据库是最典型的一门计算机课——理工结合，互相渗透。　　最后声明：前面的经验只针对本科阶段的学习。即使把这些全弄通了，前面的路还长。　　理论计算机科学漫谈　　计算机科学和数学的关系有点奇怪。二三十年以前，计算机科学基本上还是数学的一个分支。而现在，计算机科学拥有广泛的研究领域和众多的研究人员，在很多方面反过来推动数学发展，从某种意义上可以说是孩子长得比妈妈还高了。　　但不管怎么样，这个孩子身上始终流着母亲的血液。这血液是themathematicalunderpinningofcomputerscience(计算机科学的数学基础)——也就是理论计算机科学。　　现代计算机科学和数学的另一个交叉是计算数学/数值分析/科学计算，传统上不包含在理论计算机科学以内。所以本文对计算数学全部予以忽略。　　最常和理论计算机科学放在一起的一个词是什么？答：离散数学。这两者的关系是如此密切，以至于它们在不少场合下成为同义词。\n　　传统上，数学是以分析为中心的。数学系的同学要学习2－3个学期的数学分析，然后是复变，实变，泛函等等。实变和泛函被很多人认为是现代数学的入门。在物理，化学，工程上应用的，也以分析为主。　　随着计算机科学的出现，一些以前不太受到重视的数学分支突然重要起来。人们发现，这些分支处理的数学对象与传统的分析有明显的区别：分析研究的对象是连续的，因而微分，积分成为基本的运算；而这些分支研究的对象是离散的，因而很少有机会进行此类的计算。人们从而称这些分支为“离散数学”。“离散数学”的名字越来越响亮，最后导致以分析为中心的传统数学分支被相对称为“连续数学”。　　离散数学经过几十年发展，基本上稳定下来。一般认为，离散数学包含以下学科：　　1)集合论，数理逻辑与元数学。这是整个数学的基础，也是计算机科学的基础。　　2)图论，算法图论；组合数学，组合算法。计算机科学，尤其是理论计算机科学的核心是算法，而大量的算法建立在图和组合的基础上　　3)抽象代数。代数是无所不在的，本来在数学中就非常重要。在计算机科学中，人们惊讶地发现代数竟然有如此之多的应用。　　但是，理论计算机科学仅仅就是在数学的上面加上“离散”的帽子这么简单吗？一直到大约十几年前，终于有一位大师告诉我们：不是。D.E.Knuth(他有多伟大，我想不用我废话了)在Stanford开设了一门全新的课程ConcreteMathematics。Concrete这个词在这里有两层含义：\n第一，针对abstract而言。Knuth认为，传统数学研究的对象过于抽象，导致对具体的问题关心不够。他抱怨说，在研究中他需要的数学往往并不存在，所以他只能自己去创造一些数学。为了直接面向应用的需要，他要提倡“具体”的数学。　　在这里我做一点简单的解释。例如在集合论中，数学家关心的都是最根本的问题--公理系统的各种性质之类。而一些具体集合的性质，各种常见集合，关系，映射都是什么样的，数学家觉得并不重要。然而，在计算机科学中应用的，恰恰就是这些具体的东西。Knuth能够首先看到这一点，不愧为当世计算机第一人。　　第二，Concrete是Continuous(连续)加上discrete(离散)。不管连续数学还是离散数学，都是有用的数学！　　前面主要是从数学角度来看的。从计算机角度来看，理论计算机科学目前主要的研究领域包括：可计算性理论，算法设计与复杂性分析，密码学与信息安全，分布式计算理论，并行计算理论，网络理论，生物信息计算，计算几何学，程序语言理论等等。这些领域互相交叉，而且新的课题在不断提出，所以很难理出一个头绪来。下面随便举一些例子。　　由于应用需求的推动，密码学现在成为研究的热点。密码学建立在数论(尤其是计算数论)，代数，信息论，概率论和随机过程的基础上，有时也用到图论和组合学等。　　很多人以为密码学就是加密解密，而加密就是用一个函数把数据打乱。这就大错特错了。现代密码学至少包含以下层次的内容：　　第一，密码学的基础。例如，分解一个大数真的很困难吗？能否有一般的工具证明协议正确？\n　　第二，密码学的基本课题。例如，比以前更好的单向函数，签名协议等。　　第三，密码学的高级问题。例如，零知识证明的长度，秘密分享的方法。　　第四，密码学的新应用。例如，数字现金，叛徒追踪等。　　在分布式系统中，也有很多重要的理论问题。例如，进程之间的同步，互斥协议。一个经典的结果是：在通信信道不可靠时，没有确定型算法能实现进程间协同。所以，改进TCP三次握手几乎没有意义。例如时序问题。常用的一种序是因果序，但因果序直到不久前才有一个理论上的结果。例如，死锁没有实用的方法能完美地对付。　　关于死锁——理论计算机科学漫谈　　我简单地觉得与“熵”这个东西有关.没有这么复杂。关键在效率：对付死锁的方法，例如死锁检测，都非常严重地减低效率，以至于得不偿失，因为死锁并不是一种经常出现的现象。所以在全局上，一般都用所谓“鸵鸟算法”，也就是假装什么都不会发生。在局部上，例如你要设计一个访问共享数据的算法，那么你就要证明你的算法在局部上是deadlockfree。至于它会不会导致全局的死锁，就烦不了许多了。对数学建模比赛看法 数学建模比赛注重的是过程,而不是结果.这个过程是一个科学研究过程的缩影.我们从拿到一道题目,分析问题,提出若干个切入点,考虑要使用的数学或者其他知识,之后,大家开始在各大搜索引擎和检索引擎上检索这些领域的论文(其中不乏英文论文),分头阅读,相互讨论.通常对于一个给定的问题,或多或少都有一些与之相关的论文,而我们就在此基础上,结合其他的方法和思想加以改进,提出新的方法,并且加以评价.在整个过程中,要使用数学手段和计算机完成数据处理,曲线拟合和数值分析,统计归类,甚至编制计算机程序完成反覆地计算.这些\n都是在科学研究中非常普遍的方法.建模的最后一步是完成论文.这个论文虽然不是严格意义上的学术论文,但是架势却一点也不亚于它.包括目录,摘要,问题阐述,模型假设,概要分析,详细建模,模型验证,有缺点讨论,参考文献,一项也不能少.我们全国赛的论文接近一万字,美国赛则有八千多词,都有三十多页,今天看来,在3天的时间完成似乎是不可想象的事情,可是我们真的完成了.在这个过程中,我们也学会了怎样撰写论文. 而在另一个侧面,数学建模比赛的意义则更为深远.它教会了我们怎样处理团队合作中遇到的各种问题.在建模比赛的3天里,分歧几乎是随时都有的,但是,一旦大家闹了别扭,固执己见,无疑对比赛不利,怎样处理个人与集体的关系,怎样避免庸俗的小风头主意和个人主意,在这里似乎是说起来容易做起来难;另一个方面,如果对于一个问题长期没有思路,大家都会焦躁,在一个高效的团队里,队员之间不会互相埋怨,互相指责,而是齐心协力,共度难关,同样,这些也是说起来容易做起来难;最后一点,比赛的三天里,后面两天几乎是通宵不睡,白天接着干活,这对大家都是体力和毅力上的巨大的考验,忘我工作,大公无私,为他人着想,在这里就是巨大的精神动力.这几点似乎从小学开始就天天挂在嘴上,可是,我真的在那两次比赛中才得到了深刻的体会,而三人也结下了深厚的友谊. 参加过数学建模的过来人说:"三天的比赛会让你终生难忘",我觉得一点也不夸张. 1.对人生和逆境的思索 坦率的说,当时我在考虑选择哪所学校时并不因为成绩担心过.我考虑的问题就在于:是不是学校牌子越大,名气越大,越"牛",那么就越值得考呢?我觉得不是这样的.想想小学,高中,大学,"考名牌"这种想法真的是与生俱来的吗?小学考初中时,妈妈一定要我好好学习,考上当时我们区的重点初中的重点班,如果她不对我说,你考上那里我就带你去某某地方旅游,给你买某某东西,你考上那里就给妈妈争了一口气,就能和很多"好孩子"在一起玩,(暂且不说好孩子的评价标准),我不觉得所谓的重点班对我究竟有多大的吸引力,也没有觉得上好高中,好大学究竟能如何如何,我所希望的只是让爸爸妈妈满意,让他们高兴;而初中升高中,则不是妈妈对我说了,而是老师一直灌输的观点:"我们班的同学都是精英,大家都要考上合肥一中,考不上的都是最差的".当时考试时挺怕自己考不上,但是,不是怕考不上好学校对自己的前途影响多大,而是怕被同学,家长看不起,怕令爸爸妈妈伤心. 考名校是成才的必要条件,这个观点早已被很多教育家批评,而所谓"成才"的定义,官方的说法与世俗的看法也相差甚远.可以说,今天中国学生塑造起来的这种"考名校"的态度,这种竞争,是从小被外界左右的一种被动态度.他们并不知道为什么要上好高中,好大学,但是他们知道,差生是被批评,被鄙视的,是坏孩子,\n而考不上好学校的就是差生.他们的家长也以此作为评价孩子的标准,考不好就打骂批评,丧失信心,考好了,就可以炫耀于人前,满足了他们的虚荣心.逐渐地,再远一些,考上了所谓的热门专业,以后可能会有高工资,这也成为了炫耀的资本;在学生身上,这种虚荣心也在逐渐建立.在名牌大学学习,非名牌不上,持这种观点的人,有相当一部分都在被这种虚荣心左右. 我不觉得这种无目的地,或者是为了满足虚荣心作出的选择有什么意义,因为一种人生观的扭曲,迟早会带给人迷茫.我的很多高中同学上了名校,却陷入迷茫,当然,他们的迷茫也促使我重新审视我自己:我没有上名校,那么我的精神状态与他们有什么不同呢?这种不同产生的原因又是什么呢? 以前，我一直困扰与这个问题,因为我又面临选择.我作出了选择,我就希望知道我为什么要选它,而且原因是不是足够充分.我绝对不愿意为了一个世俗的虚荣而选择,因为如果那样,我迟早还会迷茫. 相比我的很多在名校学习的同学,我的大学生活是很愉快的.我学到了我想学的东西,而且还在大多数情况下毫无压力.可以说是一个非常宽松自由的环境.在USTC的学习更是如此.我第一次感到不为考试学习,不为分数学习的乐趣.那是怎样的一种愉悦啊!也许这样,确实绕开了现形教育制度的很多弊端.虽然我的学校不好,可是我并没有觉得这有什么.因为我觉得这种没有压力,自由单纯的环境很适合我. 因此,我觉得,究竟应该选择什么样的学校,或者大一点说,选择什么样的生涯,一定不能被某种虚荣心左右.要看看那种虚荣心是否值得自己为了这种虚荣心而作出牺牲.如果两者能统一起来最好,一旦发生冲突,则一定不能被虚荣心左右了自己.要找到适合自己发展的地方,适合发挥自己潜力的地方,这才是属于自己的学校,属于自己的生涯. 今天,同学聚会时来了很多同学,有一些是以前被班主任定义为"差生"的同学,我觉得他们上了一所不知名的学校其实是一件好事.他们的心理得到了健康的发展,得到了尊重,潜力也可以发挥. 这里还要指出一点:不要功利的认为这种行为只是为了考研.很多人为了考研到外校听几门专业课,这是毫无意义的.没有从一开始就打下扎实的基础和系统的体系结构,这种听课不可能有深刻的理解,而且很容易造成一知半解的结果.不要迷信自学.也许对死记硬背地东西还勉强有效,但是科学:如果人人都能自学去领悟它,那么老师不是早就失业了吗? \n8.阅读 <> 阅读了大量的英文经典教材. 看英文书,最直接的受益就是英语水平.外国人写书的风格是"娓娓而谈",以聊天一样的亲切口吻展开,把每一个英文句子翻译成中文理解是不现实的.所幸的是我以前英文水平并不烂,而学OS时这本书由偏偏没有中文译本,老师的课件又完全按书上来(也是英文的),这就把我给逼上梁山,非看不可了.一个Chapter一般有三十多页,而老师几乎是一次大课上完的,晚上就不得不在教室里,花上4个钟头把书仔细看一遍.开始看得特别慢,看了3,4页以后就没办法集中精力了,可是,慢慢地,看书时候开始使用英文思维了,直接使用英文理解书中的内容而不是先翻译成汉语了,甚至笔记也开始使用英文作了.有一天,连续看了2,3个小时没抬头,那种感觉特别奇妙,好像头脑里的东西都编程英语的了.我慢慢地感到什么叫做掌握一门语言了.英语水平得到了巨大的飞跃,应该就是那个时候.我觉得自己正在慢慢地与这门外语开始了亲密接触.以至于后来做考研阅读,完型填空时,往往总是"蒙"对正确答案.我没有办法清晰的解释清楚,只是觉得这个答案理所当然的应该选,其他答案理所当然的荒谬.确实,看懂一篇文章与理解一篇文章的差别是很大的,而怎样准确的"理解",则要依靠长期培养出来的语感和英语思维. 这件事的另一个巨大影响是:从此以后,阅读英文教材就一发不可收拾.计算机科学方面的英文教材国内引进的非常多,很多是享有世界声誉的大科学家的经典之作,写得相当精彩.在英语上障碍的扫除使得我可以进一步阅读这些教材,包括Andrew.S.Tanenbaum的 <>, <>,Abraham Siberschatz的 <>, <>,Alfred Aho的 <>,Stuart Russell的 <>,这些书让我对计算机科学的专业知识有了深入系统的认识. 英语水平的提高对于我后来阅读很多英文论文起到了至关重要的作用,深刻感到学好英语的作用.没有扎实的英语水平,真的是寸步难行! 10.学习并且掌握了Visual C++ 6.0 虽然很多人对Microsoft推行的东西总是带着一点不屑,我却在大一对计算机科学的认识还很模糊的时候学了它.直到现在,我周围的同学中,能熟练使用VC++6.0的人并不多,这并非是因为大家对微软的东西的抵制,而是因为很多人学不好VC++6.0.事实上,完全掌握它并不是很容易的事情. 我学习VC++6.0也颇费周折.学校不开这门课,只教大家PASCAL语言,所以,只好自己自学.那时候了解很少,以为不学C,C++,直接看VC++也没问题,结果花了65元买了一本 < <实用Visual C++6.0教程>>,却看\n得一头雾水.慢慢才知道,VC++6.0不是一种语言,而是一个IDE.郁闷之余,只好又从C,C++学起.几个月之后,C++已经用得比较熟练了,开始再看这本书,却还是一头雾水.因为使用MFC类库,AppWizard辅助编制的程序完全不同于使用C编写的面向过程的程序,也不同于C++直接编写的面向对象程序,我对这种程序的机构完全摸不着头脑.一时间真是郁闷至极:难道65元就这么白费了吗?(那时候以为65元一本的计算机书很贵了,后来才发现,这种价格实际上是很平庸的.) 一个偶然的机会,看到了机械工业出版社的 <>,随便翻翻,却发现它讲的内容与我原来那本 < <实用Visual C++6.0教程>>大不相同.它从WinAPI讲起,讲基本的消息队列和消息发射,讲窗口的定制和注册,我才首次知道Win32程序与控制台程序的区别.现在虽然觉得这个"豁然开朗"简直幼稚得可笑,可自从学习了WinAPI编程,再进入MFC,就顺理成章,水到渠成了.在以后开发中也逐渐学会了自己看MSDN文档,也再也不用花那么多钱买技术方面的书了.受此影响,在学习其他软件如Matlab,Mathematica时,也学会了直接利用帮助文档学习,真是省了不少银子.今天看到很多人围在图书城那些花花绿绿的书架边乐此不疲的时候,不免心生得意. Visual C++6.0的掌握,最重要的价值在于实现了许多程序员的一句话:"编程语言不用学太多,学一两个,能彻底掌握就好."学习了VC++之后不久,我又看了一些J2EE方面的书,可是由于周围环境的影响,使用VC++较多.由于VC++使用很熟,许多课程设计都得以顺利完成,从而得到了大量的编程训练,提高了系统分析设计,程序调试方面的能力和技巧.这些对于一个计算机专业的学生来说,是最基础不过的事情.但是我发现很多人这方面的基础都很不扎实. 今天我使用VC++设计完成的Windows工程已经有二十多个,包括数据库课程设计完成的图书管理系统,操作系统课程设计完成的多线程调度演示系统,编译原理课程设计完成的C-解释器,计算机网络课程设计完成的多人聊天室程序,以及人工智能课程设计完成的刺激-响应Agent,8字谜问题,人机五子棋博弈程序等等. 结论:你可以抵制微软不学习Visual C++6.0,但是你必须熟练的掌握一门具有现代程序设计特点的编程语言.