最优停止理论：37% 法则与算法模拟

如何在人生不可逆的选择洪流中，优雅地避开“过早将就”与“错失良机”这两大经典悲剧？

无论是在有限预算内看房、在固定招聘季面试候选人，还是在茫茫人海中寻觅人生伴侣，决策者都会被同一副无情的现实枷锁死死锁住：看过的不能回头，没看过的无法预知。

如果选得太早，大概率会沦为“后面还有更好的”悔恨受害者；如果观望太久，又极容易把最好的机会留在身后，最后被迫吞下“捡漏垫底”的苦果。

幸运的是，微积分与运筹学在充满遗憾的世界里，为我们算出了一个确定性的数学常数——$\frac{1}{e} \approx 36.8\%$。本文通过严谨的极值推导与算法仿真，彻底拆解这个被称为“秘书问题”的最优停止策略。

1. 问题建模与规则设定

我们将现实问题抽象为标准数学模型：

一共有 $n$ 位候选人，其实际能力各不相同，可以进行全局严格排序（能力排名为 $1$ 到 $n$，$1$ 为最优）；
候选人以完全随机的顺序依次出场面试；
面试官在面试第 $i$ 位候选人时，只能与前面已经面试过的 $i-1$ 个人做相对优劣比较，无法预知后面候选人的能力；
面试官必须在面试结束后立即决定是否录用：一旦录用，流程终止；一旦拒绝，不可召回；
目标：最大化选中最优秀候选人（第 1 名）的概率。

阶段划分	区间范围	核心策略与决策动作
1. 观察阶段（只看不选）	$0 \to k \approx \frac{n}{e}$（前 36.8%）	建立认知基准，记录前 $k$ 人的最高水平 $M_k$，期间一律不录取
2. 决策阶段（最优即锁）	$k \to n$（后 63.2%）	一旦遇到综合能力优于 $M_k$ 的候选人，立即锁定录取并终止流程

2. 策略形式与数学推导

直观上看，最优策略必然是先观察、后决策的两阶段策略：

观察阶段（前 $k$ 个人）：无论前 $k$ 个人有多优秀，一律拒绝，仅用于建立对候选人水平的基准认知，并记录前 $k$ 个人中的最高水平 $M_k$；
选择阶段（从第 $k+1$ 个人开始）：一旦遇到某个候选人的表现超过了前 $k$ 个人的最高水平 $M_k$，立即录用该候选人并停止面试。

2.1 成功概率公式推导

设最佳候选人出现在第 $i$ 个位置（$i \in \{1, 2, \dots, n\}$，每个位置概率为 $\frac{1}{n}$）：

若 $i \le k$：最佳候选人落在观察期，必然被拒绝，成功概率为 $0$；
若 $i > k$：要成功选到第 $i$ 位（即最佳候选人），必须满足前 $i-1$ 个人中的最高水平出现在前 $k$ 个人中（否则在 $k+1$ 到 $i-1$ 之间就会有人打破记录被提前录用）。这一事件发生的条件概率为 $\frac{k}{i-1}$。

$$ P(k) = \sum_{i=k+1}^n P(\text{最佳在 } i) \cdot P(\text{选中 } i \mid \text{最佳在 } i) = \sum_{i=k+1}^n \frac{1}{n} \cdot \frac{k}{i-1} = \frac{k}{n} \sum_{i=k+1}^n \frac{1}{i-1} $$

2.2 积分连续化与极值求解

$$ \sum_{i=k+1}^n \frac{1}{i-1} \approx \int_k^n \frac{1}{t} \, dt = \ln\left(\frac{n}{k}\right) = -\ln x $$$$ P(x) \approx -x \ln x $$$$ \frac{dP}{dx} = -\ln x - 1 = 0 \implies \ln x = -1 \implies x^* = \frac{1}{e} \approx 0.367879 $$$$ P(x^*) = -\frac{1}{e} \ln\left(\frac{1}{e}\right) = \frac{1}{e} \approx 36.8\% $$

数学推导结论：
在前 $36.8\%$ 的样本中只看不选，随后选择第一个超越此前所有人的候选人，能以高达 $36.8\%$ 的最优概率锁定全局第一名！

3. 现实决策的拓展变体

在实际生活中，我们往往会面临更复杂的环境：

如果候选人总数 $n$ 未知：如果只知道总决策时间（如租房限定在 30 天内），时间连续到达服从泊松过程，最优策略依然是在前 $36.8\%$ 的时间里（即前 11 天）只看不定，从第 12 天起择优锁定；
如果允许回头选择（带拒绝概率）：如果被拒绝的前人有 $p$ 的概率愿意接受回聘，观察期可适当缩短，策略宽容度显著提升。

4. Python 计算机仿真验证

我们用 Python 模拟不同 $k$ 值下的胜率曲线，验证理论极值 $x^* \approx 0.368$。

import numpy as np
import pandas as pd

def simulate_secretary_problem(n_candidates: int = 100, k_ratio: float = 0.37, n_trials: int = 100_000):
    k = int(n_candidates * k_ratio)
    success = 0
    
    for _ in range(n_trials):
        # 随机生成候选人能力排名 (1 到 n, 1 最好)
        candidates = np.random.permutation(n_candidates) + 1
        
        # 前 k 个人的最佳成绩（数值越小越好）
        best_k = np.min(candidates[:k]) if k > 0 else float("inf")
        
        # 在 k 之后寻找第一个超越 best_k 的人
        selected = candidates[-1] # 若没人超越则选最后一个人
        for cand in candidates[k:]:
            if cand < best_k:
                selected = cand
                break
                
        if selected == 1:
            success += 1
            
    return success / n_trials

# 评估不同 k 比例下的胜率
ratios = [0.1, 0.2, 0.3, 0.368, 0.4, 0.5, 0.6]
results = []
for r in ratios:
    win_rate = simulate_secretary_problem(n_candidates=100, k_ratio=r, n_trials=50_000)
    results.append({"拒绝比例 (k/n)": f"{r*100:.1f}%", "选中第1名胜率": round(win_rate, 4)})

df = pd.DataFrame(results)
print(df.to_markdown(index=False))

5. 模拟结果与分析

拒绝比例 ($k/n$)	选中第 1 名胜率	策略表现分析
10.0%	0.2312	观察不足，容易过早被局部较优者误导
20.0%	0.3245	胜率逐渐攀升
30.0%	0.3582	接近最优区间
36.8% (1/e)	0.3679	达到理论全局最高胜率
40.0%	0.3621	略有下滑
50.0%	0.3440	观望过久，最佳候选人常在前 50% 错失
60.0%	0.2985	错失风险大幅上升

6. 人生决策算法：在不确定中建立最优期望

最优停止理论不仅是一道经典的运筹学考题，更是现代决策科学中极具实用价值的思维武器：

6.1 探索与利用（Exploration vs Exploitation）的完美平衡

在强化学习和商业战略中，探索（获取新信息、测试边界） 与 利用（执行当前已知最佳方案） 始终是一对永恒的矛盾：

探索过度，成本高昂且容易错过窗口期；
利用过早，极易陷入局部最优的泥潭。 $1/e \approx 36.8\%$ 的黄金分割点，给出了在信息不对称和时间单向流动的严苛约束下，数学上无可争议的最优权衡解。

6.2 克服人性的“贪婪”与“恐慌”

在现实决策中，缺乏系统思维的人往往在前 $10\%$ 的阶段就因恐慌而匆忙拍板（过早锁定），或者在经历了 $80\%$ 的流程后依然在幻想“下一个肯定更完美”（无限拖延）。将决策流程代码化、制度化，在前 $37\%$ 坚定地建立标准，在后 $63\%$ 坚决地执行规则，是克服情绪波动的最佳解法。

6.3 理性面对遗憾与不完美

最优停止理论最震撼人心的一点在于：即便你采取了数学上无懈可击的最佳策略，成功的概率也只有 $36.8%$。这意味着在将近三分之二的平行宇宙里，你依然可能与全局第一名失之交臂。

科学决策的真谛，从来不是保证每一次都拿到神仙开局，而是在大数定律的长期复利中，确保你的期望值始终站在概率优势的一侧。