一个人在交往多少个对象之后，才应该放弃下一个更好的想法，确定自己的理想伴侣？换句话说，就是：我该在什么时候收手？

这个问题表面上是感情问题，本质上却是一个数学问题，它的系统性解决要追溯到20世纪60年代。

1960年2月，《科学美国人》刊登了一组数学难题：假设有N名候选人来申请秘书岗位，你作为面试官，要挨个面试他们，并当场决定是否录用。要，面试结束，不要就换下一个，不能回头去录用被拒绝的人。那么，什么样的策略能使最佳人选被选中的概率最大？

这个问题最好的解决方案叫做“最优停止理论”，简单点来说就是在考察前37%的申请人时，不要接受任何人的申请，然后只要与任何一名申请人比前面37%的申请人都优秀时，就要毫不犹豫的选择他。

这个结论试用在爱情上，效果最佳的做法是接受所谓的“摸清情况再行动准则”(look-then-leap

rule)：事先设定一个“观察”期，在这段时间里，无论人选多么优秀，都不要接受他(也就是说，你的任务就是考察目标，收集数据)。“观察”期结束之后，就进入了“行动”期。此时，一旦出现令之前最优秀申请人相形见绌的人选，就立即出手，再也不要犹豫了。

如何选择停止观望的时机？为什么是“37%法则”，这个从何而来？

还真有人做这个运算，就是在申请人数已知的情况下，计算选中最优秀的人的概率，结论如下图：

准确地说，通过无线拟合，得出考察申请人的数学最优比例是1/e，具体推导过程可以参考维基百科。

事实证明，利用这种最优方案，我们选中最优秀申请人的概率为37%。方案本身与出现理想结果的概率正好相等，这是这类问题表现出来的令人奇怪的数学对称性。上表列出了申请人数不同时的秘书问题最优解决方案。从中可以看出，随着申请人数不断增加，取得理想结果的概率(以及从观察期切换到行动期的时间点)在37%左右。

有人说了，为什么不能成功最大化，37%的成功意味着就要接受63%的失败。如果我们换一种方式，采用随机选择的方式，在申请人总数为100时，我们得到理想结果的可能性是1%，在总人数为100万时，可能性就会降到0.0001%。如果采用最优停止理论，在100人当中选中最优秀申请人的可能性是37%。而总人数是100万时，无论你相信与否，你得到理想结果的可能性仍然是37%。因此，申请人总数越多，最优算法理论就越有价值。的确，在大多数情况下，大海捞针都会无功而返，但是，无论“海洋”多么辽阔，最优停止理论都是最理想的工具。

人都有一种愿望，总感觉下一个会更好，但任何东西都有一个阈值，特别女孩子在选择结婚对象时，眼前这个人还可以凑合，但又感觉还不够，在做选择时多多少少会有些犹豫。虽然爱情这东西没法像数学那样量化，但是这种数学推论和精神值得我们借鉴，帮助我们做出最好的选择。同样的，当选择的标准具有时间、空间和数量后，例如找工作，租房，停车以及选择供应商等都可以运用此种方法。

我是一名喜欢写代码的数据分析师，分享一些算法和统计学在生活中的应用实例，希望能帮助大家更好做出选择和认清本质。