Delphos：用强化学习辅助离散选择模型设定

01 摘要

论文提出Delphos框架，将离散选择模型设定视为序贯决策任务，并用深度Q网络学习一系列建模动作。智能体可执行添加替代特定常数、引入口味参数、对属性做非线性变换以及加入协变量交互等操作，每个候选模型经估计后按建模者定义的奖励函数评价。作者在模拟与两个实证数据集上测试，报告称Delphos能以较小搜索比例学到有效策略并生成有行为合理性的候选模型；这些结论来自其特定实验设定，属于作者对框架潜力的展示。

02 关键点

1. 将模型设定建模为序贯决策，用深度Q网络学习建模动作序列。
2. 奖励函数可由建模者定义，兼顾统计拟合与行为期望。
3. 在模拟数据和两个实证数据集上评估，展示其探索效率与候选模型合理性。