【全英讲数学｜助眠】用博弈论证明女生谈恋爱要主动

长路竭歌:
啊，大家都说up主习惯并喜欢上拍视频精神状态变好了balabala什么的。。我没有很强的体会，感觉是一种谈到自己喜欢的事情的轻松愉悦。。而且大家说的所谓之前半死不活的语气我也没啥感觉。。。倾向是一种理性、清晰、稳定甚至置身事外。。。令人（至少是我）感到非常安全（？）舒适，并且这种内核一直没有变。。。所以up主的视频对我有种奇特的安抚（？）疗愈（？）作用。。。谢谢up主。。。你应该是一个美好的人。。。希望你能一直更新。。。并且天天开心。。。ps今天听懂了。。。[脸红]

【回复】回复 @S日落大道 : 你好喔。并不冒昧。我最近的测试结果是intp。btw我也不太确定我的mbti类型。过去很长一段时间我认为自己是infp。你的说法给了我新的思考角度[给心心]。
【回复】我的互联网嘴替，确实有种被安抚到的感觉
【回复】回复 @席席如令 :啊啊啊一眼intp（奇怪的柔和感
悉游记:
大学的时候痴迷数学建模也看过一个关于如何选择最好的对象的一个模型。模型得出的结论是先无脑拒绝前六个最求者，从第七个最求者开始，但凡出现一个比前面的最求者都好的最求者，就直接接受，这样可以最大限度找到人生最佳伴侣。不过这个模型没法给出这种方法，在拒绝的前六个里错过最佳伴侣的概率

【回复】前提是有这么多追求者吧（悲）
【回复】然而真相是大多数普通人一辈子都不会遇到六个追求者[doge]
【回复】那首先要有六个人追求你
-圆形-:
同伯克利博士生（ieor），同intp，up你居然跟我年轻的时候第一次学离散数学学到gs得出的结论一模一样😂😂😂不过后来我实践了很长一段时间发现我忽略了女生求爱遭拒心里收到的精神伤害和时间成本，因为这个算法是没有假设每一次propose都会有成本的嘛。

【回复】回复 @灵度花海 :我是女生所以我说我自己会有成本啊，这只是针对标题根据gs算法得出的结论所进行的讨论；何况这本就是单边propose的算法，在确定女性propose的情况下男性有没有成本不会对算法有影响。
【回复】对，女生相对敏感和脆弱一些，还有女生相对来说更习惯日久生情。
【回复】回复 @冰糖雪梨大王 :逆天理解能力，他有提到男生不会受伤吗？整个讨论模型就是女性，你在这抖什么机灵呢[疑惑]
我很爱学习ll:
我感觉姐姐变化好大，一开始的视频眼神很空洞，感觉很迷茫的感觉，声音也是那种有气无力的感觉（不是贬义啊！！我很喜欢！！）。现在的眼神感觉很和善，而且有更多带笑容的表情，并且声音也更有底气！！！我也很喜欢！！！[星星眼][星星眼]

【回复】[吃瓜]这是在讲她擅长且有兴趣的东西 当然神采奕奕
【回复】确实，感觉整个人乐观多了，也更能表达自己的情感变化了
【回复】那不是空洞好吗，一开始是很慵懒的眼神，很迷人好吗？charming
小憨背着布娃娃:
UP主你好，请问下N2222用英语怎么读？是读成N two two two two 还是N double two double two

【回复】想起来一个故事，如何用英语告诉老外WiFi密码是8个8
【回复】四位数一般都是两位两位读，2222就是twenty two twenty two，三位数的话就是一位数+两位数，例如222就是two twenty two，别的情况就不知道了
【回复】N twenty two twenty two [脱单doge]
zizikunkun:
男性主动追求并不能保证得到稳定匹配中的最好女朋友，视屏的观点是建立在一个错误的基石上，下方example

【回复】为了避免误导看到的人：楼主写的例子正确可以参考，但在数学层面上的理解错误。我纠错后楼主开始扯跟一开始论点没有关系的现实局限性。性别不均和宁缺毋滥确实可能导致稳定配对对某一方有利，但不能证明稳定配对不存在。要聊它的现实存在性也应该聊信息不完整正确之类的，楼主没聊到点子上（顺便回一下上面，信息完整性在博弈论里很有意思，不一定越完整越好，有时故意谎报漏报清单可以优化结果） 总之楼主错了也意识到了这事儿就完了。网上冲个浪而已多大点事，大家友善讨论
【回复】谢谢你花时间写这个例子啦，开心( ´▽｀)不过这个例子不存在男二有女朋友的稳定配对吧
【回复】up所说的“主动出击有更好的结果”只是对此算法的生动理解，更好的结果是对于所有的“稳定配对”而言的。你如果抛开了结论中稳定配对的前提，非要强调你心目中的不稳定的配对比算法产生的稳定配对要优秀，那么你可以不用回复我了。这本质上是数学的讨论而不是人生哲理的探讨。
激素向日葵:
算法模型总是会有很多假设，这次是假设总共就那么多人。现实是人多到不行，大家永远都觉得还有更优。《美丽心灵》中的酒吧的场景也很真实，你总是去追求最优，那么其他的美女就会感觉被冷落，当你追求次优，她们反而不鸟你了。Anyway，不同的模型感觉只能是提供一个有趣的视角。

【回复】现实比你想得更残酷，现实是，虽然你看起来人很多，但是对你visible的非常少。
400的SHB:
说起来这是一个经典的稳定婚姻问题啊。 作为理解二分图的经典问题，集巧妙与有趣为一身。 同时背后还有很多有趣的故事，当然最出圈的就是这个男生越来越好女生越来越差的结论。 作为一个没有理解难度又非常有趣的算法，是我科普算法是的不二之选。

有没有看过:
我个人感觉这只是一种片面的理性推测，但是生物学上证明，爱情只会在脑子出问题才会出现，也就是激素的作用，加上爱情还需要情绪化的作用才会产生，这些东西存在的时候，你会感觉世界如此美好，整个人都没办法理性思考了，像个小孩一样沉浸在快乐中。而且所谓的最好对象，应该是单纯只分析了财富地位相貌与社交性格人品学问这六个方面，但是爱情的产生还要从心理学生物学等多角度分析。只能说这个最优解还有很多的发展空间，应该还需要从男女性别差异，心理学，社会行为学，生物学等学科一起共同得出结论。所谓的最好的对象到底是什么

【回复】我小时候认为霸道总裁就是最好的对象，梦想就是嫁给帅气年轻的霸总[喜极而泣] 现在我只有一个要求“尊重”。只要有这两个字，那就一定是最好的对象。
【回复】回复 @踢寡人去学习 :回复 @踢寡人去学习 :观念转变了😂 ，尊重真的太重要了
死鱼眼里有眼白:
姐姐可以讲一下就是三扇门，其中有两只羊一辆车，让选手选一扇门，再打开其中一扇有羊的门。现在可以选择换不换已选择的门，换门的车的概率是三分之二，不换门得车的概率是三分之一，觉得这是一个很有意思的概率，想听姐姐讲讲！！

【回复】就是条件概率，一个普通的高中生也可以讲清楚，没必要麻烦姐姐。
【回复】这个我会[保卫萝卜_哇]首先先算出不换门成功的概率，由于你是盲选，所以p（初次选对）=三分之一。接着算换门成功的概率，假设你第一次选的门是对的，那么剩下两个门都是错的，主持人拿走一个错的，剩下的还是错的，此时换门为错所以P（换门为错）=p（初次选对）=三分之一；另一种情况，第一次选的门是错，那么剩下的门一对一错，主持人排除一个错误答案后，换门即为正确，所以P（换门为对）=P（初次选错）=三分之二[脱单doge]
王菲不留我:
姐姐[星星眼]这个发型讲啥名字哇[星星眼]想烫一个

【回复】回复 @妃礼妾身 :有诶(〜￣△￣)〜不然我不会问呀(￣3￣)
【回复】你有那么多头发😡👊🏻？
真栗的狗:
对对对 phd candidate 都这样的语气哈哈哈哈哈哈哈哈

【回复】回复 @慕婉沁 :哦哦[不问天_赞]
【回复】回复 @枫秋栀 : 。。博士
芙宁娜_D_F:
讲的挺好的，听懂了，也不觉得困(⑅•͈ᴗ•͈).:*♡ 不过也许这些结果都有另一个原因。比如我听懂了也许是因为我自己也学过这个，之前已经在教授（和卷子）的帮助下学会了。又比如认为不觉得困，也许是因为你的发音确实是比较准确+好听的那种，外加中国人能听出来的一些中国人的口音，是我最喜欢的那种既清楚又有种亲切感的，（比学校里的教授要好很多）。 结果就是：温习后相关知识掌握程度+1，以及心情放松程度+1。谢谢你的视频[崩坏3·光辉矢愿_比心]

【回复】我也有这种感觉我在听一些非母语者讲英语的时候会觉得很清楚
particleFLOW:
运筹学的话下次讲讲退火模拟和贝叶斯优化好了[呲牙]

【回复】这两好像完全不是一个东西
星然不想上课:
如果一个人在稳定配对中是单身，那么它大概率是单身 [大笑][大笑][大笑][大笑] 听了这段话让我很快乐？（或许可以这么说） 但还是希望up主讲一讲稳定配对的具体的过程

xzy568:
UP主，可否介绍一下，你左手的防狼手环[呲牙]

【回复】回复 @萌萌的四幺乃与四幺奈 :摇滚女孩啦
【回复】回复 @萌萌的四幺乃与四幺奈 :up的标签里有个 今天好像摇滚主唱 应该是有这方面兴趣带的饰品
沐盿Yimi:
补充几点：1. 延迟接受机制（deferred acceptance mechanism, DA）最早由Gale和Shapley在1962年提出，故也被称作GS机制。2. 这个算法最早用于讨论婚姻匹配问题，然而现实中在婚姻匹配上几乎没有应用。以下是个人理解：最重要的原因是模型中假设信息是完全的，也就是参与匹配的男女彼此之间都知根知底，因此才能形成严格的偏好，然而现实中去深入了解一个人是需要花费很大成本的，自然也就没法简单地形成偏好，这还是在没考虑到偏好也会变化的情况下。3. 该算法最广泛的应用场景其实是在学校选择、大学录取中，中国的平行志愿改革其实就是将志愿优先的录取机制（也称作“波士顿机制”）改革为了类似于延迟接受机制的平行志愿（严格来说，平行志愿与DA不同，但是在高考情境中录取结果理论上是一样的），这一改革能够保证学生被录取到凭自己的分数能够去到的最好的学校，极大提高了录取的公平性（当然，信息不完全的问题仍然存在，志愿没填好还是可能会“高分低录”）。