设每次开一个尚未打开的箱子要付 X,其中 1 个箱子有 100,其余为 0。
用动态规划做最优停:令 Vn 为当还剩 n 个未开箱时的最优期望净收益(允许随时停止,收益 0)。
若选择再开 1 个箱子,则
Vn=max{0, −X+n100+nn−1Vn−1},V0=0.
在公平游戏下,起始 n=4 时应满足 V4=0。
猜测最优策略会一直开到找到 100(或开完),因此 V1=100−X,递推得到
V2=−X+50+21(100−X)=100−23X,
V3=−X+3100+32V2=100−611X,
V4=−X+25+43V3=100−25X.
令 V4=0 得
X=40.
英文解析
Vn=max{0, −X+n100+nn−1Vn−1},V0=0.
V2=−X+50+21(100−X)=100−23X,
V3=−X+3100+32V2=100−611X,
V4=−X+25+43V3=100−25X.
X=40.