最优停止理论

如何抓住最佳的决策时机，在面对决策时常常有几点困惑，难以抉择的原因有未来很难预测， 已做出的决定不能反悔。

关键内容：有限的时间和精力，如何在最少的时间内做出最好的选择，摸清情况再行动准则（look then leap rule)

最理想理性的决策是枚举所有的可能选择（机会成本和期望值理论），然后再做判断。但是实际上我们没有机会和时间如此操作，有限的时间和精力要求尽快做出选择。 此时最好的选择合适放弃枚举法和期望值理论， 而是在部分信息下做出可能性最高的选择，即本章的37%。【贝叶斯推理也是基于部分信息作出尽可能最优的选择，本章的最优停止理论强调的是时间、精力消耗上的适可而止，贝叶斯推理强调的是建立在不完整信息上的分析】

最优停止理论建立在时间的不可逆性和不可废止性，有限的时间做出尽可能最优（概率最大）的选择。

问题：“没有最好， 只有更好”，所以是继续寻找更好的，还是选择当下的？

答案：面对这种两难选择，答案就是计算机领域得到的一个平均结论——37%。在最初的37%时间和选择阶段保持观察，之后进入执行阶段，遇到目前最优的选择就直接选定。 这样选中最优候选者的概率是37%。

书中介绍了几个最优停止的例子：买房子，找对象，秘书问题选择停车位问题等。

比如找对象，假如希望在25-35之间找到最好的对象，按照37%原则，应该在29岁之前保持观望，之后如果看到截至目前最优的候选者，就果断求婚～【也可以把时间段改成谈恋爱次数，当然我可是现在才看到这个理论的。。。】

比如买卖房子，如果计划看10个房子，前三个不要下单，等到第四个再开始选择。

比如，面试时，如果只有一位申请者，那面只能接受他，如果有两名申请者，你成功选到优秀人选的概率都是50%，如果有第三名申请人，情况就一下子变得有意思了。如果随机选择一名申请人，得到理想结果的概率是1/3，也就是33%。但是我们可以取得更理想的结果，而其中的关键就在第二场面试。在面试第一名申请人时，我们没有任何信息——她肯定是目前最优秀的申请人。在面试第三名申请人时，我们没有任何能动性——我们只能将工作机会交给这名申请人，因为我们已经拒绝了其他人的申请。但是，在面试第二名申请人时，我们既掌握了一些信息，又有一定的能动性——我们知道她与第一名申请人相比孰优孰劣，同时我们既可以接受她，也可以拒绝她。如果她比第一名申请人优秀，我们接受她，反之就拒绝她，那么会产生什么样的结果？事实上，在有三名申请人时，这是最理想的方案。令人吃惊的是，在有三名申请人时采用这个方法，与有两名申请人时选择半程最优秀人选的方法相比，效果不相上下。