基于满意解策略的秘书问题研究

秘书问题是一类序贯观察与选择问题,描述了一种动态的信息搜索与决策过程。已有解决秘书问题的方法,主要特征是以取样选项中的最大值作为标杆,其优点是能保证赢的概率最大,其不足是很少考虑决策者的有限理性与启发式偏见。提出了基于次大值标杆策略的设想,通过理论求解以及仿真实验的方法研究了该策略的特征与规律。结果发现:赢的概率随着标杆由最大值向次大值、第三大值等的变化而逐渐降低,且最优截止阀值也不断后移。

秘书问题中聘用双方策略研究

秘书问题是一类概率最优化问题,鉴于现实应用中其理论最优策略缺乏可操作性,而传统启发式策略仅关注阀值确定,不涉及阀值和标杆关系的定量分析。为此,推导＂截止阀法则＂中阀值与标杆的最优组合关系,提出一种＂三分决策法＂聘用策略,以总量的1/3为样本,并以1号~3号标杆为参照选取目标,运用多主体系统的建模方法,对应聘策略进行分等级讨论,分析2种不同竞争模式下,优劣各异的应聘者在应聘队列中最大化录用概率。应用结果表明,该策略简便易行,且有效性能达到最优理论解性能的95%以上。

序贯观察与选择问题解决策略的比较研究

序贯观察与选择问题是一类动态决策问题,描述了人们在优劣随机出现的备选择方案中,何时停止取样观察以获得最大的决策收益。已有研究证明,截止阀法则是解决该类决策问题的最主要方法之一。其中,一种策略是基于取样观察选项中的一个最大值选项为标杆,然后选择第一个大于此标杆的选项。若考虑决策的有限理性假设,决策者还可以基于取样观察选项中仅次于最大值的选项为标杆。很显然,标杆不同会导致序贯搜索选项的数量以及决策收益会有很大的差异。另外,还可以考虑基于"特定"事件的决策策略以及"变种"的标杆策略,本文分别就这几种标杆策略进行了系统地探讨与比较。

基于分组的次数与规则剪枝相结合的语言模型压缩方法研究

由于庞大的训练语料,统计语言模型的大小往往会超出手持设备的存储能力。随着现阶段资源受限设备的迅速发展,语言模型的压缩研究也就显得更加重要。本文提出了一个语言模型压缩方法,即将次数剪切与规则剪枝方法相结合,并使用分组的方法保证在不减少单元数目的情况下压缩模型。文章对使用新的算法得到的语言模型与次数剪切和规则剪枝方法分别进行困惑度比较。实验结果表明,使用新方法得到的语言模型性能更好。

考虑风险规避的秘书问题求解的一个启发式方法

秘书问题是一类序贯观察与选择问题,描述了动态的信息搜索与决策过程.针对现有的以寻找满意解为目标的启发式方法存在诸多局限,提出了新的启发式方法,该方法基于当前观测中侯选项在已观察侯选项中的相对排名、待观测侯选项数量以及决策者的抱负水平,决策者可以通过设定抱负水平灵活决定该启发式方法的结果导向.推导了该启发式方法的性能指标,并通过仿真的方法与已有启发式方法的性能进行了比较.结果发现,该启发式方法在最终选择的侯选项的期望排名和稳定性,以及风险解的避免上均优于已有的启发式方法.

秘书问题研究综述：何时停止搜索信息？

秘书问题是一类序贯观察与选择问题,描述了一种动态的信息搜索与决策过程,其问题实质是决定何时停止观察选项、而不是哪一个选项被选择.已有研究成果从解决该问题的策略方法角度,可以分为最优解策略与启发式策略,二者的差异主要体现在理论依据与研究方法上.最优解策略基于决策者完全理性假设,运用数学模型论证了解决该问题的最优决策行为。但许多实证研究发现,人们往往并没有遵循最优决策行为。相比较最优解策略而言,人们通常停止搜索信息太早或者说搜索量太少。这种基于决策者有限理性假设的描述性研究,在解释人们最优选择行为偏离的基础上,提出了解决秘书问题的一些启发式策略.最后,本文通过对已有研究成果的梳理与分析,提出了进一步研究的问题与方向。

基于有限理性假设的秘书问题研究

已有解决秘书问题的方法主要是以取样选项中的最大值作为标杆,其优点是能保证赢的概率最大,但很少考虑决策者的有限理性与启发式偏见。探索性地提出截止阀法则的均值标杆与次大值标杆策略的设想,通过计算机仿真实验与理论求解验证与比较了该策略的特征与规律。结果发现,均值标杆的决策最优度明显优于最大值标杆,决策最优度随标杆变动呈U型曲线变化趋势,最高点是均值标杆20%及其附近,赢的概率随着标杆的降低而逐渐减少,且最优截止阀值也不断后移。