Testing probabilistic models of choice using column generation

در مدلهای انتخابی احتمالی به اصطلاح تصادفی تصادفی، یک تصمیم گیرنده با توجه به توزیع احتمالی نامشخص در حالت اولویت انتخاب می کند. مورد برجسته تر زمانی رخ می دهد که دولت های اولویت خطی یا سفارشات ضعیف گزینه های انتخابی هستند. ادبیات مستند شده است که در واقع ارزیابی اینکه آیا انتخاب های مشاهده شده تصمیم گیرندگان با چنین مدل احتمالی انتخاب مطابقت دارند، مشکالت محاسباتی را مطرح می کند. این به شدت محدود مقیاس ممکن کار تجربی در اقتصاد رفتاری و رشته های مرتبط است. ما یک خانواده از الگوریتم های مبتنی بر نسل ستون برای انجام چنین آزمایش هایی پیشنهاد می کنیم. ما الگوریتم های ما را در مجموعه ای از نمونه ها ارزیابی می کنیم. ما بهبود قابل ملاحظه ای در زمان محاسبات را مشاهده می کنیم و نتیجه می گیریم که می توانیم به طور موثر از مجموعه داده های بزرگتری که قبلا امکان پذیر است، تست کنیم.