策略模式是一种非常通用的设计模式，可应用的场景很多。一般来说，不论何时希望动态、透明地应用不同算法，策略模式都是可行之路。这里所说不同算法的意思是，目的相同但实现方案不同的一类算法。这意味着算法结果应该是完全一致的，但每种实现都有不同的性能和代码复杂性（举例来说，对比一下顺序查找和二分查找）。
策略模式的另一个应用是创建不同的样式表现，为了实现可移植性（例如，不同平台之间断行的不同）或动态地改变数据的表现。
另一个值得一提的应用是模拟；例如模拟机器人，一些机器人比另一些更有攻击性，一些机器人速度更快，等等。机器人行为中的所有不同之处都可以使用不同的策略来建模。
以排序算法为例子，挑选一个合适的排序算法的时候，需要考虑待排序数组的以下特征：
- 需要排序的元素数量。大部分排序算法在输入规模很小的时候效率相差不大，只有一部分O(nlogn)平均时间复杂度的算法适合大规模排序。
- 算法的最佳/平均/最差时间复杂度。这个往往是挑选排序算法时候优先考虑的。
- 算法的空间复杂度。是不是原地排序(inplace)，需要额外的空间吗？在内存限制苛刻的时候就需要考虑。
- 算法的稳定性。排序算法是稳定的吗？稳定是指相同大小的值排序后保持相对顺序。
- 实现复杂度。算法是否容易实现，其他大致相同的情况下，优先考虑易维护的代码。
示例：
def f1(seq):
pass
def f2(seq):
pass
def f(seq):
if len(seq) >= threshold_value: # 大于某个阈值
f1(seq) # 在数量较多时候具有良好的效率
else:
f2(seq)