工具应用
前端技术
AI技术
拙见
其他知识
编程知识
最优停止理论:解读秘书问题中的37%法则
type
status
date
slug
summary
tags
category
icon
password
秘书问题的背景
秘书问题是最优停止理论的经典例子。假设你是一位老板,正在为一份工作面试100名申请人。在整个面试过程中,你只能在面试结束后决定是否录用这位申请人。一旦决定录用,面试过程就终止,之后的申请人将无法参加面试。你的目标是尽可能地选中最优秀的申请人。那么,在面试过程中如何找到最优解呢?
摸清情况再行动准则
在面临多个选择时,最优停止理论建议采用“摸清情况再行动准则”(look-then-leap rule),分为两个阶段:观察期和行动期。
- 观察期:在这段时间里,不要接受任何人的申请。收集数据,了解各个申请人的表现。
- 行动期:观察期结束后,一旦发现比之前所有申请人都更优秀的人选,就要毫不犹豫地选择他/她。
利用这个准则我们可以总结出一个秘书问题的表格
申请人总数 | 划入观察期人数 | 选中最优秀人选的概率 |
3 | 1(33.33%) | 50% |
4 | 1(25%) | 45.83% |
5 | 2(40%) | 43.33% |
6 | 2(33.33%) | 42.78% |
7 | 2(28.57%) | 41.43% |
8 | 3(37.5%) | 40.98% |
9 | 3(33.33%) | 40.59% |
10 | 3(30%) | 39.87% |
20 | 7(35%) | 37.97% |
30 | 11(36.67%) | 37.57% |
50 | 18(36%) | 37.23% |
100 | 37(37%) | 37.10% |
500 | 185(37%) | 36.79% |
1000 | 368(36.8%) | 36.77% |
10000 | 3679(36.79%) | 36.77% |
是自然对数函数的底数,约等于2.71828
划入观察期人数
选中最优秀人选的概率
揭秘37%法则
数学家们发现,将观察期和行动期的分界线设定在申请人总数的37%处是最佳选择。也就是说,在前37%的申请人中,我们不接受任何人的申请;然后,只要遇到比之前所有人选都优秀的申请人,就毫不犹豫地选择他。根据这个策略,我们成功选中最优秀申请人的概率为37%。
数学对称性的美妙
令人惊讶的是,这个策略与我们实际选中最优秀申请人的概率相等,这种现象反映了一种奇妙的数学对称性。值得注意的是,这个概率不会随着申请人数量的增加而降低。无论申请人总数是100还是100万,我们成功选中最优秀申请人的概率都是37%。这说明,最优停止理论在面对更多选择时,最优停止理论反而变得更有价值。
接受现实:63%的失败率
然而,最优停止理论并非万能。即使采用最理想的策略,我们依然有63%的失败率。这意味着,在大多数情况下,我们都无法选中所有申请人中最优秀的那个。这对于将爱情视为寻找“真命天子”的人来说,确实是一个坏消息。但从另一个角度看,这个现实也教会我们在面对不完美的选择时,如何调整心态和期望。
应用最优停止理论的启示
- 理性决策:当面临重要的选择时,我们应该首先观察和收集信息,了解大局后再作出决策。这有助于我们做出更明智的选择。
- 把握时机:在观察期结束后,我们应该敢于抓住机会。当发现一个比观察期中最优秀申请人还要优秀的人选时,不要犹豫,果断采取行动。
- 适时调整期望:理解最优停止理论的局限性,认识到即使采用最佳策略,也可能无法选中最优秀的申请人。在面临现实的不完美选择时,学会调整期望,接受现实。
结论
总的来说,最优停止理论和秘书问题中的37%法则为我们在面临诸多选择时提供了一个有趣且实用的决策框架。通过理解这个理论,我们可以更好地评估各种选择,做出更明智的决策。同时,我们也应认识到这个理论的局限性,并学会在面对现实的不完美选择时调整自己的期望。虽然最优停止理论并非万能,但它无疑是我们在人生道路上寻找最佳选择的一个重要工具。
Last update: 2020-12-02