在寻求解答的阶段，问题解决者需要一系列的算子，因为问题解决的过程就是利用算子从初始状态转变到目标状态的过程。算子指问题解决者把一种问题状态转变为另一种问题状态的认知或操作活动。有些算子可随问题空间的形成而获得，有些则需进行选择。当问题空间较小时，如三个圆盘的河内塔问题，正确的算子易于选择；当问题空间较大时，如象棋或围棋，则难于选择正确的算子，需应用一定的问题解决策略来进行。问题解决策略就是人们在解决问题过程中所运用的方案、计划或办法，它决定着问题解决的具体步骤。选择操作和确定问题解决策略密不可分，问题解决总是由一定策略来引导搜索的，因此可以将选择操作阶段同时看作是确定问题解决策略阶段。纽厄尔和西蒙认为，在问题解决过程中有两类通用的解决问题的策略：算法策略和启发式策略。算法策略（algorithm strategy）就是在问题空间中随机搜索所有可能的解决问题的方法，直至选择一种有效的方法解决问题。简而言之，算法策略就是将解决问题的方法一一进行尝试，最终找到解决问题的答案。算法策略的优点是它能够保证问题的解决，但是采用这种策略在解决某些问题时需要大量的尝试，因此费时费力。并且，当问题相当复杂、问题空间很大或者限定尝试次数时，人们很难依靠这种策略来解决问题。另外，有些问题也许没有现成的算法或尚未发现其算法，对这种问题算法策略将是无效的。启发法（heuristicsmethod）是人根据一定的经验，只根据目标的指引，试图不断地将问题状态转换成与目标状态相近的状态，从而只试探那些对成功趋向目标状态有价值的算子。启发法不能完全保证问题解决的成功，但用这种方法解决问题较省时省力。常用的启发性策略有以下四种：

（一）手段-目的分析

所谓手段-目的分析（mean-end analysis）是将需要达到的问题的目标状态分成若干子目标，通过实现一系列的子目标最终达到总目标。它的基本步骤是：①分析问题的初始状态和目标状态。②将问题的总目标分解为若干个子目标（每个子目标就是一个中间状态）。③找出完成第一个子目标的方法或操作，将初始状态向第一个小目标推进。④达到第一个子目标后，再选择手段向第二个子目标推进，如此循环往复，直至问题的解决。如果某一手段行不通，就退回原来状态，重新选择手段，直至最终达到总目标。手段-目的分析是一种不断减少当前状态与目标状态之间的差别而逐步前进的策略。不过，有时人们为了达到目的，不得不暂时扩大目标状态与初始状态的差异，以便最终达到目标。在日常生活中，手段-目的分析是人们比较常用的一种解题策略，它对解决复杂的问题有重要的应用价值。

（二）逆向搜索

逆向搜索（backward search）就是从问题的目标状态开始搜索直至找到通往初始状态的通路或方法。逆向搜索更适合于解决那些从初始状态到目标状态只有少数通路的问题。

（三）爬山法(www.daowen.com)

爬山法（hill climbingmethod）是类似于手段-目的分析法的一种解题策略。它是采用一定的方法逐步降低初始状态和目标状态的距离，以达到问题解决的一种方法。这就好像登山者，为了登上山峰，需要从山脚一步一步登上山峰。爬山法与手段-目的分析法的不同在于后者包括这样一种情况，即有时人们为了达到目的，不得不暂时扩大目标状态与初始状态的差异，以便最终达到目标。

（四）目标递归策略

所谓目标递归策略，就是从问题的目标状态出发，按照子目标组成的逻辑顺序逐级向初始状态递归。

总之，任何一个问题要得到解决，总要应用某个策略，策略是否适宜常决定问题解决的成败。但具体应用哪种策略，则既依赖于问题本身的性质和内容，也依赖于个体已有的知识和经验。