满意化是决策理论中的一种决策方法:个人或组织不断寻找备选方案,一旦找到符合既定可接受标准的方案,就停止搜索。决策者追求的不是可能的最佳选择,而是相对于某一期望水平而言足够好的选择。这一概念由赫伯特·西蒙提出,是有限理性的核心概念;有限理性解释了人们如何在信息、时间和计算能力受限的情况下作出决策。满意化不一定意味着选择不佳或投入很少;严格的接受门槛也可能需要大量搜索才能达到。
起源与思想背景
西蒙在研究行政行为和经济决策的过程中提出了满意化。他在《行政行为》(1947年)一书中,质疑了那些假定决策者能够识别并比较所有相关备选方案的组织选择理论。他于1955年发表的论文《理性选择的行为模型》提出了一种基于有限信息处理能力的替代模型,1956年的论文《理性选择与环境结构》则明确使用了“满意化”(satisficing)一词。
这个词通常被解释为英语“satisfy”(使满意)与“suffice”(足够)的组合。其理论意义在于,用一套搜索、评估和停止的程序,取代对备选方案的穷尽比较。
在标准的数学优化模型中,决策者会选择使目标值最高的可行方案。西蒙质疑,这是否足以描述现实中的许多决策。管理者、消费者和其他决策者往往并不知道所有可用的备选方案,无法计算每一种后果,也没有对所有可能结果的完整排序。满意化将选择描述为一个在这些约束下逐步展开的过程。
满意化如何运作
基本的满意化过程包含三个组成部分:
- **期望水平:**界定何为可接受的标准。
- **搜索程序:**产生或接触备选方案的方式。
- **停止规则:**一旦某个方案符合标准,就决定接受它。
例如,一个正在找房的人可能要求租金低于某个金额、通勤时间不超过某个时长,并且居住面积达到最低要求。此人可能会接受第一套同时满足这三项要求的房子,而不是查看市场上的每一套房源。
一个简单的形式模型
假设备选方案 按顺序接受考察。令 表示对某个方案质量的评价, 表示期望门槛。如果遇到了可接受的方案,一条简单的满意化规则会在以下时刻停止:
并选择 。
相比之下,对于已知可行集 ,最大化规则寻求的是:
满意化规则不要求知道能够达到的最高值。其结果既取决于接受门槛,也取决于接触备选方案的顺序。如果没有任何方案达到门槛,这条规则就需要补充程序,例如继续搜索、调整门槛,或在不作出选择的情况下结束。
许多决策涉及多项要求,而不是单一评分。一个方案可能只有在满足以下条件时才可接受:
其中,每个 衡量某一项标准上的表现。这种表述能够容纳不可补偿的要求:某个维度上的出色表现,不一定能弥补另一个维度上的不达标。
期望水平的变化
期望水平不必保持不变。它可能随着经验、观察到的机会、以往表现或与他人的比较而变化。反复找不到可接受的选项,可能导致门槛降低;遇到格外有吸引力的机会,则可能使门槛提高。
这些调整使更丰富的满意化模型区别于“接受第一个勉强过得去的选项”这样一条简单指令。搜索与标准可以共同演变。不过,理论仍须解释门槛如何形成和调整;如果不明确“足够好”的含义,这个说法就不能构成完整的解释。
与理性及优化的关系
满意化并不等同于非理性。当收集信息和进行计算需要耗费时间或资源时,穷尽搜索带来的收益可能小于其成本。因此,有限搜索可能是适合决策环境的做法。
不过,必须区分以下两种主张:
- 决策者使用接受门槛,而不计算全局最优结果。
- 在计入搜索成本后,该门槛能够使总体收益最大化。
第一种主张描述的是满意化。第二种则需要额外的假设和分析。满意化程序可能表现良好,却未必能被证明是最优的。
在最优停止理论中,决策者可能会在某个报价超过保留值时接受它;这个保留值是根据搜索成本以及对未来报价的判断计算出来的。这种行为可能与满意化相似。两者的区别在于规则的依据:门槛既可能来自优化计算,也可能是由于无法进行此类计算或计算不切实际,而采用的期望水平。
同样,满意化也不同于近似优化。近似方法试图接近最优解,有时还带有可保证的误差界。满意化方法则力求达到接受标准,而这一标准与最优解之间未必存在已知关系。
应用
组织与行政管理
在组织中,决策往往涉及相互冲突的目标、不完整的信息、截止期限和既定程序。满意化有助于解释,为什么管理者可能接受一家符合成本、可靠性和交付要求的供应商,而不去找出整个市场上最好的供应商。
理查德·赛尔特和詹姆斯·马奇在《企业行为理论》(1963年)中,将期望水平和问题驱动的搜索纳入了对组织行为的解释。低于期望水平的绩效可能促使组织寻找纠正措施,而可接受的绩效则可能减轻变革压力。
组织标准不一定代表某一个人的偏好。它们可能产生于协商、惯例以及部门之间的关系。有关官僚制和公共行政的研究利用这些机制,考察机构如何在现实约束下作出可行的决策。
消费者选择与信息搜寻
消费者的搜索往往涉及对价格、质量、可获得性或便利性的最低要求。满意化模型描述了购买者如何在找到符合这些要求的产品后停止搜索。
在信息搜寻中,读者可能会在某个答案看起来足以满足任务需求时停止搜索。是否足够取决于任务:核实一项日常事实与准备一项技术调查,可能涉及截然不同的标准。提前停止本身并不能证明存在满意化,因为其他原因——例如截止期限或获取渠道受限——也可能导致相同行为。
计算与人工智能
在计算机科学中,满意化可以用来描述寻找符合指定要求、但不证明其最优性的解的搜索过程。例如,规划系统可能只寻求一个有效方案,而不是最短或成本最低的方案。
这类系统经常使用启发式方法来引导搜索。启发式方法与满意化相互关联,但有所区别:前者指导如何着手解决问题,后者则规定接受标准或停止原则。旨在找到最优解的算法也可以使用启发式方法。
问卷作答
在调查方法学中,满意化有更专门的含义。它指的是,受访者给出看似合乎要求的答案,但所投入的努力少于充分理解问题、提取信息、作出判断和选择答案所需的努力。
可能的表现包括反复选择同一个答案、未经认真评估就同意陈述,或选择一个容易想到的答案。这些模式并不能确凿证明存在满意化:相同的回答可能是真实想法,而表达不确定也可能准确反映实际情况。与西蒙关于适应性决策的一般理论相比,这种用法更强调作答投入的减少。
证据、局限与争论
认知心理学研究考察了两类人之间的差异:一类自述会寻找最佳选项,另一类自述会接受令人满意的选项。一些研究发现,更强的最大化倾向与更多的后悔或更低的主观幸福感有关。不过,如何解释这些结果,取决于怎样衡量最大化倾向。标准高、搜索广泛和决策困难是不同的特征,它们与幸福感的关系未必相同。这些发现并不能证明满意化总能带来更好的选择。
以下几个问题限制了这一概念的解释力:
- **门槛的设定:**如果不明确期望水平,模型几乎可以事后解释任何被接受的选择。
- **对搜索顺序的依赖:**即使只需很低的成本就能发现明显更好的选项,决策者仍可能选择较早遇到的可接受选项。
- **无法停止:**不切实际的高门槛可能使搜索无限延续,除非模型包含调整机制或备用规则。
- **环境变化:**根据以往经验形成的标准,可能不再符合当前的机会状况。
- **观察结果的歧义:**同一个选择可能来自满意化、优化、习惯或外部约束。
讨论满意化时,还需要区分描述性分析与规范性分析。解释一个组织为什么接受某个结果,并不能证明这个结果在社会层面值得追求。令决策者满意的选项,可能给其他人带来成本,也可能不符合外部的法律或伦理标准。