避重就轻是一种心理倾向，也就是避难趋易，对棘手的不好啃的，要避开要顺应它，对容易处理的或认定是突破口的，要选它动刀，同化它改变它。
避重就轻是贬义还是褒义，看场景上下文。避实就虚和避重就轻有些时候比较接近。
在解决问题过程中，避重就轻是一个通用的策略，它和进退互化策略有些类似，避开复杂的，退到简单情况去考虑问题。凡是涉及到多路径的问题决策( 从中选择一条最优或较优路径)时，都可以尝试使用它。例如在考试时，先做简单的题，后做复杂的题。数学问题解决中，在使用转化思想解题时，也运用了避重就轻的策略。
在代数式变形过程中，当有多个变形方案时，就可以结合该策略进行决策，选择适当的变形方案。例如在用分离变量法解题时，我们通常有多个变形分离方案，要找出靠谱的可行的变形分离方案时，就需要用到该策略。
避重就轻策略中的度量标准和度量算法
在不同类型的问题解决中应用避重就轻策略时，什么是重？什么是轻？应该是有不同的度量标准和度量算法的。
这里用分离变量法解题时的度量标准和度量算法来加以具体说明。
提到分离变量法，要立即联想到庖丁解牛的故事。庖丁可是领悟了解牛之道的，他在解牛时就是避重就轻，顺势而行，顺应自然：依照牛的生理上的天然结构，砍入牛体筋骨相接的缝隙，顺着骨节间的空处（最薄弱的地方）进刀，依从最薄弱的地方(空隙处)进刀，避开紧密相联的地方。显然庖丁在解牛时的度量标准是牛各部位之间联系的紧密程度，也就是结合力的大小。相互联系紧密的结合力大，解牛时要避开，要将这些部位看做一个整体，不要相互分离，例如A骨头和B骨头紧密联在一起，那就把AB作为一个整体，如果在解牛时硬要把它们分开那就容易损坏刀具，庖丁显然不会这样做。
分离变量法解题时，如何靠谱地最优地进行分离？也要遵循和庖丁解牛类似的避重就轻策略与度量标准。这个度量标准，和软件设计中划分模块遵循的高内聚、低耦合原则是一样的。高内聚就是联系紧密，低耦合就是联系的力度较弱。大道是一以贯之的，可见不同领域中的一些核心思想核心原则是相通或相似的，是可以相互佐证的。这种跨领域之间的联系、借鉴、迁移，对我们深刻理解和构建通透系统的数学思维方法论体系是有助益的，这也是本人一直强调构建通透系统的数学思维方法论体系要多学科多领域融合，吸取它们的养分来滋养数学思维方法论体系。
软件设计中的高内聚、低耦合原则示意图
如上图，线段表示相互之间的耦合(联系)，长方形框表示模块。A0和B0之间(A0与B0之间的那条线)的耦合度最小。当我们划分软件模块时，应该从联系最薄弱的A0和B0处下刀进行划分，把它们分为两个模块：A模块和B模块。
这里用同构+分离变量法解题的场景来说明避重就轻策略的运用，题目如下。
分离变量时，可以觉察到e的指数中，
是紧耦合，联系紧密，在分离时要避开它顺应它，不要把它俩分开，也就是要把
看成一个整体，如果分开会导致变形复杂，陷入僵局。做出这样的决策后，容易得到下面的分离方案和解题方法。
从上面的解法可以看出同构法有金蝉脱壳的效果。
这是一道简单的题，复杂些的同构分离变量题，会在上面的（1）式左右两侧出现能抵消的代数项，产生泯灭效应增加题目难度，此时(1)式类似m+n+ok+l+m，不等式左右两边的m会抵消，或部分抵消，当它们具有不同的系数时。此时可以用合情构想泯灭相消模式来复原被消去的代数项。
引用数学家莱布尼兹的一段关于分而治之解决问题的话作为本文的结尾，如下。
莱布尼兹：“不讲分解技巧，分而治之就不大有用。无经验者对问题分解不当，反而会增加困难。分解的主要难点在于怎么分。分解策略之一是按容易求解的方式来分，之二是在弱耦合处下手，切断联系“。
网友评论