编码秘书问题（Monte Carlo）-python代码问题

尝试通过进行Monte Carlo模拟（不使用e）在python中编写秘书问题。问题的实质在这里：https : //en.wikipedia.org/wiki/Secretary_problem

描述为：想象一个管理员想要从n个可排名的申请人中聘请最好的秘书来担任职位。申请人按随机顺序逐一面试。面试后应立即就每个特定申请人做出决定。一旦被拒绝，申请人将无法被召回。在面试过程中，管理员可以将申请人划分为目前为止所有面试的申请人，但不知道尚未见面的申请人的质量。问题是关于最大化选择最佳申请人的可能性的最佳策略（停止规则）。摘自：https : //www.geeksforgeeks.org/secretary-problem-optimal-stopping-problem/

我要对照其代码检查的表：

到目前为止，这是我的python代码：

n = 7; # of applicants
m = 10000; # of repeats
plot = np.zeros(1);
        
for i in range (2,m): #multiple runs
    array = np.random.randint(1,1000,n); 
    for j in range(2,n): #over range of array 
        test = 0;
        if array[j] > array[1] and array[j] == array.max():
            plot=plot+1
            test = 1;
            break
        if array[j]> array[1]:
            test = 2;
            break

print(plot/m)
print(array)
print("j = ",j)
print("test = ",test)

我在这里的代码做错了，我无法复制表。在上面的代码中，我尝试完成7 =申请人数，并在'2'之后选出最佳申请人。

plot/m在给出申请人数的情况下，应当在第三栏中输出百分比，并且“紧随其后”。

回答了！如下。

附加代码：

import numpy as np
import matplotlib.pyplot as plt
import time
plt.style.use('seaborn-whitegrid')

n = 150  #total number of applicants
nplot = np.empty([1,1])
#take = 3 #not necessary, turned into J below: 

for k in range(2,n):
    m = 10000 #number of repeats 
    plot = np.empty([1,1]);
    
     
    for j in range(1,k):    
        passed = 0
        for i in range (0,m): #multiple runs
            array = np.random.rand(k);
            picked = np.argmax(array[j:]>max(array[0:j])) + j
            best = np.argmax(array)
            if best == picked:
                passed = passed+1
        #print(passed/m)
        plot = np.append(plot,[passed/m])
    #print(plot)
    plot = plot[1:];
    x = range(1,k);
    y = plot
    #print("N = ",k)
    print("Check ",plot.argmax()," if you have ",k," applicants", round(100* plot.max(),2),"% chance of finding the best applicant")
    nplot =np.append(nplot,plot.max())
# Plot: 
nplot = nplot[1:];
x = range(2,n);
y = nplot
plt.plot(x, y, 'o', color='black');
plt.xlabel("Number of Applicants")
plt.ylabel("Probability of Best Applicant")