文件名称：消费者偏好的稳健学习-研究论文
文件大小：1.69MB
文件格式：PDF
更新时间：2024-06-29 08:27:31
sequential learning maximum
本文研究了一家公司面临的一类排名和选择问题，该公司希望在消费者偏好先验未知的情况下，从一组有限的替代品中找出最喜欢的产品。 唯一可用的信息是消费者的偏好满足两个关键属性：（i）它们与一些未知的替代品的真实排名一致；（ii）它们是严格的，即没有两种产品是同等偏好的。 为了了解未知的排名，该公司能够通过向不同的消费者依次展示不同的产品子集并要求他们在显示的集合中报告他们的最高偏好来对消费者偏好进行抽样。 该公司的目标是设计一种展示策略，以最大限度地减少识别高概率排名靠前产品所需的预期样本数量。 我们证明了在给定（概率）置信度内识别排名靠前的版本的任何策略的样本复杂性的特定于实例的下限。 我们还提出了公司问题的稳健公式，并推导出了抽样策略（近视跟踪策略），该策略在最坏情况下渐近最优且易于实施。 粗略地说，近视跟踪策略在两种极端类型的显示策略之间随机交替：(i) 向消费者展示整个菜单的完整显示，以便了解每个版本的信息和 (ii) 配对显示，仅向消费者显示两个版本从而最大限度地提高消费者所做选择的信息量。 为了评估我们提出的近视跟踪策略的性能，我们进行了一组全面的计算研究，并将其与文献中的替代方法进行比较。