📈 economics

Sequential Search with Planning

本文将序列化产品开发与资源勘探建模为一个带有成本性规划的有序潘多拉魔盒问题，证明了最优搜索策略遵循由保证效应、付费范围效应和剩余时界效应相互作用所塑造的依赖于范围的阈值规则。

原作者： Ruhi Sonal, Saptarshi Mukherjee, Abhinaba Lahiri, Aniruddha Ghosh

发布于 2026-06-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Ruhi Sonal, Saptarshi Mukherjee, Abhinaba Lahiri, Aniruddha Ghosh

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名正准备寻找隐藏宝藏的探险家。你知道宝藏埋在其中几个洞穴之一，但你不知道具体是哪一个。这些洞穴排列成一排，你必须按顺序检查：先是洞穴 1，然后是洞穴 2，接着是洞穴 3，以此类推。

每当你窥视一个洞穴时，都会消耗你的金钱（用于物资、时间和精力）。如果你找到了宝藏，那太棒了！但如果洞穴是空的，你必须做出决定：是继续前往下一个洞穴，还是带着目前为止所发现的一切回家？

这就是经典的“搜索问题”。但这篇文章增加了一个转折，使其更加符合现实：规划成本（Planning Costs）。

转折点：购买你的地图

在旧的、简单的版本中，你可以随心所欲地决定“我要检查洞穴 5”，而且检查洞穴 1 和洞穴 5 的成本是一样的。但在现实世界中，情况并非如此。要到达洞穴 5，你通常需要先买一张地图、雇一名向导或修一座桥。这些都是规划成本。

初始计划： 在你出发之前，你必须选择一个“范围（scope）”。你决定：“我计划探索到洞穴 3 为止。”你为此支付一笔费用。这个费用会随着你规划得越远而变得越大（规划到达洞穴 10 的费用比规划到达洞穴 3 的费用更高）。
调整： 如果你开始了旅程，检查了洞穴 1，发现一无所获，然后决定：“你知道吗？我还是打算尝试到达洞穴 10。”你可以这样做。但你必须支付一笔调整费来扩大你的地图。通常，在旅途中改变主意扩展地图，比从一开始就规划好要贵得多。

核心问题

这篇文章提出了一个问题：你应该提前规划多远？

你应该做一个谨慎的规划者，只买一张涵盖前三个洞穴的地图，并寄希望于在那里能找到东西吗？还是做一个雄心勃向的规划者，直接买一张涵盖所有十个洞穴的地图，即使你可能并不需要它？

作者发现，答案取决于三种相互竞争的力量，他们称之为“经济效应”。

三种力量在博弈

把这些力量想象成你脑海中的三个声音，它们在争论是否应该继续挖掘。

1. “保证”效应（谨慎之声）

它是什么： 当你在探索时，你会随身携带一份“保证”。这是你目前为止发现的最好东西的价值。如果洞穴 1 有一颗小宝石，你的保证就是“一颗小宝石”。
它是如何运作的： 你的当前保证越好，你就越不想继续搜索。如果你已经有了一颗钻石，为什么还要冒着失去它的风险去寻找更大的钻石呢？这个声音说：“现在就停下吧，你已经有了一个很好的收获。”
论文的见解： 你的当前“保证”越高，你越有可能提前停止。

2. “已付范围”效应（投资之声）

它是什么： 这是本论文中提出的新颖且独特的想法。它关乎你已经在计划中投入的资金。
它是如何运作的： 如果你预先支付了大量资金来规划洞穴 10，那么实际到达洞穴 10 的成本现在就会变得非常低（因为你已经支付了那笔巨额的规划费）。如果你最初只规划了洞穴 3，那么后来再去到达洞穴 10 就会超级昂贵。
论文的见解： 如果你有一个“宽广”的计划（已经为许多洞穴付费），即使你的当前保证已经相当不错，你也愿意继续搜索。为什么？因为未来的洞穴对你来说正在“打折”。你已经投入了成本，所以不妨继续寻找。这就是**“已付范围”效应**。

3. “剩余时界”效应（时间之声）

它是什么： 这仅仅是指还剩下多少个洞穴。
它是如何运作的： 如果你在洞穴 1，后面还有 99 个洞穴，那么继续前进的“期权价值”是巨大的。但如果你在洞穴 99，只剩下一个洞穴了，那么继续前进的价值就很小。
论文的见解： 当你接近列表末尾时，继续前进的诱惑就会减退，因为剩下的潜在收益变少了。

结果：两种类型的探险家

论文表明，这三种力量的相互作用创造了两种截然不同的行为，具体取决于情况：

1. “规划不足者”（赌徒）

场景： 想象一下奖励是不可预测且通常很小的，但也有极小的概率获得巨额奖金（就像买彩票一样）。
行为： 你从一个微小的计划开始（仅洞穴 1）。你支付一笔小额费用。如果发现一无所获，你就支付一点额外的费用来扩大你的计划到洞穴 2。如果这次也失败了，你就再次扩大。
为什么？ 因为预先规划 10 个洞穴的成本太高了。你会观察是否真的存在“大奖”的可能性，然后再决定是否投入巨额的规划成本。最终，你搜索的洞穴数量会比你最初计划的要多。

2. “过度规划者”（保守派）

场景： 想象一下奖励是非常可预测且稳定的，但后期改变计划的成本非常高。
行为： 你直接购买了一个涵盖所有 10 个洞穴的庞大计划。但由于你预付了这么多，你为自己设定了一个很高的标准。如果你很早就发现了一个不错的奖励，你会立即停止。
为什么？ 你支付了溢价来获得“可以走得很远”的权利，但因为奖励是可预测的，你并不需要走那么远。最终，你搜索的洞穴数量会比你最初计划的要少。

“保留价值”（止损线）

在简单的搜索问题中，通常有一个神奇的数字（“保留价值”）来告诉你何时停止。“如果宝藏价值低于 50 美元，继续寻找；如果高于 50 美元，就停止。”

这篇论文证明了，并不存在这样一个单一的神奇数字。

相反，你的“停止线”会根据你的规划程度而改变。

如果你规划了 3 个洞穴，你的停止线可能是 50 美元。
如果你规划了 10 个洞穴，你的停止线可能是 80 美元。

因为你为 10 个洞穴的计划付了费，所以即使你拥有一个价值 70 美元的宝藏，你也愿意继续搜索，因为对你来说，到达下一个洞穴的成本很低。而那个只规划了 3 个洞穴的人，会在拿到 70 美元的宝藏时就停止，因为到达下一个洞穴对他们来说将花费巨额代价。

总结

这篇论文告诉我们，规划不仅仅是一个一次性的决定；它会改变你未来的行为。

沉没成本很重要： 你在规划未来时投入的资金，会改变你对当下的价值评估。
灵活性是有代价的： 以后改变主意的能力需要支付费用，这会让你在最初的计划时更加深思熟虑。
环境决定论： 你应该做一个谨慎的“规划不足者”还是一个大胆的“过度规划者”，完全取决于奖励有多不可预测，以及改变计划的成本有多高。

作者通过数学证明，在这种充满不确定性的逐步决策过程中，这种“依赖于范围（scope-dependent）”的思维方式才是最明智的选择。

技术摘要：带有规划的序列搜索

1. 问题阐述

本文对一个序列搜索问题进行了建模，其中决策者（DM）探索一个由 $n$ 个选项（或“箱子”）组成的固定序列，每个选项包含一个来自已知分布 $F_i$ 的不确定回报 $X_i$ 。该搜索受到两种不同成本结构的约束，这使得该模型区别于标准的潘多拉魔盒（Pandora's Box）问题：

检查成本 ( $c_i$ )： 观察特定箱子回报的成本。
规划与调整成本：
- 范围成本 ( $\phi(j_0)$ )： 在搜索开始前，决策者必须选择一个初始“范围” $j_0 \in \{1, \dots, n\}$ ，代表已使其可及的阶段数量。这会产生一项事前成本 $\phi(j_0)$ ，该成本是严格递增且凸的。
- 调整成本 ( $\psi$ )： 在搜索过程中，决策者可以修改范围。在阶段 $i$ 将范围从 $j$ 扩大到 $j' > j$ 会产生额外的边际成本 $\psi(i, j, j')$ 。收缩范围则不产生成本。

决策者是风险中性的，旨在最大化预期净收益，即初始禀赋与观测到的最高回报之最大值，减去所有检查成本、初始范围成本和调整成本之和。序列是外生给定的；决策者无法跳过阶段。

2. 研究方法

作者采用动态规划 (DP) 来解决这一序列决策问题。状态空间由三个变量定义：

$i$ ：当前阶段（箱子索引）。
$z$ ：当前“保证值”（初始禀赋与迄今为止观测到的所有回报的最大值）。
$j$ ：当前“已支付范围”（已支付访问成本的最远阶段）。

价值函数 $V(i, z, j)$ 代表在观测到第 $i$ 阶段且当前保证值为 $z$ 、已支付范围为 $j$ 后的最优预期延续价值。贝尔曼方程（Bellman equation）比较了停止选项（收益为 $z$ ）与继续选项的价值。继续选项涉及选择一个新的范围 $j' \geq i+1$ ，支付调整成本 $\psi(i, j, j')$ 和下一个检查成本 $c_{i+1}$ ，并获得未来的预期价值。

一个关键的方法论创新是引入了依赖于范围的保留价值。与标准搜索模型中保留价值是特定箱子的固定属性不同，这里的持续阈值取决于状态变量 $j$ 。

3. 核心贡献与结果

A. 依赖于范围的保留价值

论文确立了对于每个阶段 $i$ 和每个可行已支付范围 $j$ ，存在唯一的保留价值族，记作 $r_i(j)$ 。

定义： $r_i(j)$ 是这样一个唯一值，使得在给定当前已支付范围 $j$ 的情况下，决策者在停止与最优继续之间处于无差异状态。
最优策略： 最优策略是一个阈值规则：
- 如果当前保证值 $z \geq r_i(j)$ ，则停止。
- 如果 $z < r_i(j)$ ，则继续。如果继续，决策者将选择一个新的范围 $j'$ 以最大化净预期延续价值。
含义： 最优停止规则不再是以往传统意义上的“可索引性”（即每个阶段对应单一数值）。即使在同一阶段、拥有相同观测历史但已支付范围不同的两个决策者，也会做出不同的停止决策。

B. 比较静态分析

作者推导了关于保留价值和最优范围选择的若干单调性结果：

范围效应： 保留价值 $r_i(j)$ 关于已支付范围 $j$ 是弱递增的。拥有更广预付范围的决策者，由于获取未来阶段的边际成本较低，因此愿意在更高的保证值水平下继续搜索。
成本效应： 保留价值关于检查成本 ( $c$ ) 和调整成本 ( $\psi$ ) 是弱递减的。
次模性与范围选择： 在假设调整成本是次模的（即随着当前范围增加，扩张的边际成本递减）的情况下，最优下一个范围关于当前范围是弱递增的。这意味着拥有更广当前范围的企业会选择（弱）更广的未来范围。

C. 经济力量

论文识别并刻画了塑造最优策略的三种相互作用的经济力量：

保证效应： 更高的当前最佳报价 ( $z$ ) 会降低下一阶段的预期改善程度，从而诱发早期停止。这与现有文献中的“后备价值”（fall-back value）效应类似。
已支付范围效应（新颖）： 更大的预付范围降低了未来访问的边际成本，提高了延续价值，并支持在更高的保证值水平下继续。在未来访问免费的模型（如 Weitzman, 1979; Boodaghians et al., 2020）中不存在这种效应。
剩余期限效应： 随着搜索的进行，由于剩余阶段减少，继续搜索的期权价值也在缩小。

这些力量的相互作用产生了两种截然不同的机制：

规划不足： 企业选择较窄的初始范围，并随着结果的实现进行自适应扩张（常见于回报呈正态分布且成本为凸函数的情况）。
过度规划： 企业在事前承诺了一个较广的范围，但会提前停止（常见于具有特定厚尾回报或特定成本结构的特定条件下）。

D. 无成本规划基准

论文证明，当规划和调整成本消失时（ $\phi = 0, \psi = 0$ ），该模型退化为标准的有序搜索基准（Boodaghians et al., 2020）。在此极限下，范围自适应公式与动态规划价值函数一致，且保留价值变得与规划历史无关。

4. 重要性与主张

论文声称填补了在显式建模代价高昂的事前规划和自适应范围修订的序列搜索与研发（R&D）规划文献中的空白。

理论贡献： 它将潘多拉魔盒问题推广到了未来选项的获取并非免费、而是需要沉没投资的场景。它证明了“保留价值”不是一个选项的静态属性，而是一个依赖于过去规划承诺的动态状态变量。
经济洞察： 作者认为“已支付范围效应”从根本上改变了搜索行为。在标准模型中，企业的继续决策仅取决于当前回报和未来回报的分布。而在本模型中，决策还取决于企业已经在获取这些未来阶段方面投入了多少。
在研发与勘探中的应用： 该框架的动机来自于现实世界的场景，如多阶段研发（例如 AI 开发、临床试验）和自然资源勘探，在这些场景中，企业必须在结果可知之前，先对基础设施或监管审批（范围）做出承诺，并且计划往往会根据中期结果进行自适应修订。
谦逊态度： 论文并未声称解决了工业组织中所有的战略互动问题，而是提供了一个可处理的单智能体框架，捕捉了初始承诺与自适应灵活性之间的张力。它承认，关于相关回报或竞争环境的扩展工作被留待未来研究。

论文得出结论，保证效应、已支付范围效应与剩余期限效应之间的相互作用，产生了现实的自适应行为（包括规划不足和过度规划），而这些行为是假设成本为零的规划或固定期限的模型所无法捕捉的。