Algorithm 最小化使用雇佣问题的成本
我翻阅了一本关于算法的书,发现了一个叫做雇佣问题的问题。情况如下: 我必须为公司招聘候选人进行面试。 我个人无法进行面试,因为我没有这样做。所以我雇了一家职业介绍所来帮助招聘候选人。该机构每天都会从n名候选人中选出一名候选人。算法如下:Algorithm 最小化使用雇佣问题的成本,algorithm,Algorithm,我翻阅了一本关于算法的书,发现了一个叫做雇佣问题的问题。情况如下: 我必须为公司招聘候选人进行面试。 我个人无法进行面试,因为我没有这样做。所以我雇了一家职业介绍所来帮助招聘候选人。该机构每天都会从n名候选人中选出一名候选人。算法如下: **Algo Hiring Candidate(n)** best=0 // The candidate with the least quality for i=1 to n If the candidate is better than the
**Algo Hiring Candidate(n)**
best=0 // The candidate with the least quality
for i=1 to n
If the candidate is better than the best valued candidate we should hire him
Best=candidate[i]
return i;
但在这里,面试费用将始终计算,因为我们必须接受每个候选人的面试。因此,我们必须专注于如何最大限度地降低招聘成本
总成本为O(面试成本和招聘成本)
我经历了很多观察,比如机构会随机发送候选人,在最坏的情况下,我们必须雇佣所有候选人,然后雇佣成本会更高,因为每个候选人的质量都在不断提高
但实际上这是不可能的,因为不可能所有候选人总是以越来越高的顺序出现。它们应该以随机顺序出现
我做了很多观察,但我确实无法将招聘成本降到最低。有人能帮我解决这个问题吗。我想这是一个例子。你的问题确实是(一个变体)招聘问题,它本身就是招聘问题的多目标版本 在后一种情况下,有一组n个候选人以某种任意的质量顺序到达,并且必须立即做出决定(接受候选人或拒绝候选人,没有任何第二次机会)。随着越来越多的候选人的出现,人们对候选人的整体素质有了更好的了解,但最好的候选人属于过去的可能性越来越大(事实上,如果你问我,这个问题应该被称为“约会游戏”或“挑剔的单身人士”)。然后,目标是找到一种策略,使获得最佳策略的概率最大化。这一目标可以通过从n个候选对象中选择n/e来实现,然后选择质量超过n/e“训练集”(第一个候选对象)的下一个候选对象 稍微形成对比的是,招聘问题旨在挑选许多优秀的候选人。如的引言(第3页)所述,招聘问题背后有两个相互矛盾的目标:
现在,你的问题似乎有点不同(一个人花钱去见一个应聘者,另一个人花钱雇佣她/他),但我相信阅读论文介绍会帮助你正式确定哪些是可能的权衡(在保留应聘者的数量、保留应聘者的质量和面试数量之间),作为一个目标函数似乎是最好的,反过来,哪种策略看起来最有希望。看起来是一个有趣的问题……这是一门课吗?不,先生……我问这个问题是为了提高我的思维能力。你的问题和阿梅尔文提到的秘书问题之间的区别在于成本。我遇到了麻烦然而,了解成本是什么。每次面试似乎都有一个固定的成本——我假设招聘成本只是所有面试成本的总和?问题是,如果招聘成本和应聘者质量之间没有量化的权衡,你就无法同时优化招聘成本和应聘者质量。关于“最坏情况”你提到,我不明白你怎么会雇佣一个以上的人。我以为问题是选择一个候选人来雇佣。你的意思是最坏的情况是必须面试所有的候选人吗?是的,但我不能真正降低雇佣成本。这也是我的想法。所以如果我没弄错的话,他应该看到c的1/e然后选择最好的,对吗?我不明白你想说什么。你不能在1/e之前选择,否则它不会是最优的。这就是我想要找到的。招聘成本应该是最优的。你能在阅读了这个问题的解决方案后详细说明你的答案吗…生活似乎不再公平了。我怀疑这个问题em在招聘人员时并未实际使用,但它被用作其他决策问题的模型。但仅仅是拒绝第一批n/e人员的想法……是不公平的!