博弈论：有限理性下的最优停止

在信息噪声、时间压力与计算受限的现实中，决策者必须判断何时停止搜索、谈判或投标。这一问题在博弈论中被称为最优停止；而在有限理性约束下，追求的是“足够好且可执行”的近似解，而非不可及的全局最优。

主题与核心：在动态互动中，最优停止可表述为“当边际期望增益低于机会成本与风险敞口时即止”。有限理性使精确计算难以为继，实践中更有效的是阈值—满意化策略：设定可计算的阈值与满意化标准，达到即止，避免过度搜索与拖延博弈。

三步可执行框架（Bounded-Optimal）

• 定义收益与成本：将潜在改善视为“边际期望收益”，将时间、注意力与错失其他机会的代价计入机会成本与认知成本。
• 构造可算阈值：采用简化指标（如滚动均值、分位数、Gittins式启发），设动态阈值θ_t；当“预期增益 < 机会成本 + 认知成本”则停止。
• 在线更新与承诺：用贝叶斯或简单加权更新期望；通过“最后报价窗口”“出价上限”进行承诺，抑制对手的拖延与试探。

行为修正：损失厌恶会拖延止损，过度自信会延迟停止；可设置对称的“止盈—止损”双阈值，并以事前承诺降低偏误。

案例：招聘中的“秘书问题”现实版 在不完全信息与面试成本存在时，经典结果建议先观察一段样本再满意化。有限理性下的可行策略是：先用p比例的候选人校准阈值A（如历史前分位），之后遇到≥A者即止。当信息差大、搜索成本低时，p≈30%可提升匹配质量；当成本高或机会稀缺时，p可降至10%–15%以避免过度延迟。实务中，辅以“候选池上限+截止日期”的承诺，可显著降低拖延与错失。

多方博弈中的应用

• 拍卖/竞价：设定“愿付上限”与停止规则，避免赢家诅咒；在二价拍卖中坚持真实估值投标并设止损阈值。
• 谈判：公布“最后报价窗口”和离场条件，改变对手信念，压缩拖延区间，提升达成率与净收益。

落地清单

• 明确度量：以简单、稳定的KPI替代复杂效用；采用滚动分位数做阈值。
• 量化成本：把时间、注意力与机会损失折现入账。
• 设定并承诺阈值：书面化p、A、止盈/止损范围，减少临场偏差。
• 实时复盘：阈值随数据更新，异常时触发再评估。