最优停止问题/秘书问题/苏格拉底的麦穗问题：
问不能回头地走过n个物品，用什么策略从里面选一个带走能尽可能的选到最优。该问题的结论是前n/e个时观察，之后只要遇到优于观察期里最好的就带走。
最近在处理一个关于数据中寻找最相似数据的问题，想着能不能类比这种方法进行推广来优化。比如我要选择尽可能相似的k个数据，也通过这种观察——选择的策略去优化对数据的处理成本。
推广问题为：要不回头地选择k个数据，目的是尽可能选到排名前k个的（姑且认为被选中的每有一个是前k就记1分），每选择一个之后不能后悔，选满k个就直接结束任务。问有什么策略能够使得最终得分尽可能高
（目前主要关心的是基于现在的模型是应该怎么推广？在某一个百分比的观察期之后不断选择优于观察期的？还是按原来的近似1/e为观察期，观察期里的第十为阈值？或者是一种既根据观察期数据，又根据后续选择时观察到的数据进行一些简单调整？）