优选法，是指研究如何用较少的试验次数，根据问题的性质在一定条件下迅速找到并选取最优方案 (最合适、最好、最合理的方案) 的一种科学方法。选取最合适的方法，寻找最好的操作和条件，给出最合理的设计参数，就是优选。中国从70年代初开始，首先由数学家华罗庚等推广并大量应用在多个领域并取得成效。本文写作的目的，就是从方法论的高度，提出买房优选法的概念，希望帮助客户们“快、好、省”的在多伦多近几年来火热的卖家市场上买到自住或投资的物业。
那么如何用优选法解决买房的实际问题呢？就用“爬山法”或者“模拟退火法”。
图1: 买房优选法示意图
“爬山法”是一种简单的优选搜索算法，该算法每次从当前解的临近解空间中选择一个最优解作为当前解，直到达到一个局部最优解。用中国话解释一下就是如图1所示：假设B点是我们昨天看过的一个比较满意的房子，我们今天又看了C点这个房子，但感觉不如B好，所以我们继续看房，直到看到E点这个房子，非常满意，为了保险起见，我们又继续看了一套F点的房子，觉得还是E点房子更满意。那么E点就是局部最优解。因为在E点无论向那个方向小幅度移动都不能得到更优的解。那么停止搜索看房下OFFER成交。
房地产市场有几个关键的因素和特点：
- 时效性：第一我们不太可能买过去短期内已经售出的房子，更不可能买到未来还没上市的房子。只能找当下一段时间内待售的房源。第二这个“当下”还不能太长，否则市场已经发生对我们买家不利的变化。第三是难以回溯，优质房源在市场上待售期都非常短，往往是回头想买上周看过的房子，发现已经高价卖出了。
- 资源有限：在我们买房的特定时间内，待售的房源有限，满意到愿意下OFFER的更少。
- 不可重复：优质房源卖一个少一个，基本上短时间内无法找到相似的房源。
- 无法理性定量分析：我们对房源的“满意度”是非常感性的，通常意义上的“性价比”不能适用。
所以在实际买房过程，我们做如下操作：
- 把“当下”这个时间段再细分成4到5个集中看房时间片。
- 第一次看房看4到5个房子，选出最满意的作为此次看房的代表点 (对应图一中的B节点)。
- 第二次看房，选出最满意的作为此次看房的代表点 (对应图一中的C节点)。如果C的满意度不如B，继续第三次第四次看房。
- 第四次看房的代表点 (对应图一中的E节点) 最满意，暂定为最优解。
- 再看最后一次，验证E优于F，那么恭喜你，找到了最优解：最满意的可以入手的房子了。
几点提示：
- “当下”这个找房购房的时间段，最好限定在4周内。否则在卖家市场上，房价节节升高，“满意度”、“性价比”会越来越低，错过入市的时机。
- 相信自己的判断，找到最优解后果断出手，有时可以不做最后一次的验证。
- 可以利用历史数据快速锁定最优解。假如我们以前看过A点的房源，觉得比较满意，可惜各种原因被其他买家买走。那么以后看房可以以A点的房源为参考，只要比A点的房源满意的就可以确定为最优解，先下手为强。
“爬山法”及以上的操作的缺点，是可能会陷入局部最优解或全局“次优解”，而不一定能搜索到全局最优解。对于追求完美的客户，一定要问：是啊，如果我买了E点的房子，结果几周以后出现了更好的H点的房源怎么办？我们可以用“模拟退火法”！
和“爬山法”的操作类似，但是“模拟退火法”的搜索过程引入了随机因素。以一定的概率来接受一个比当前局部最优解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。以图1为例，模拟退火算法在搜索到局部最优解E后，会以一定的概率接受到F和G的移动。也许经过几次这样的不是局部最优的移动后会到达H点，于是就跳出了局部最大值E。但是在房地产市场上，这就意味着拉长找房购房的时间段，冒更大的市场上涨的风险，去找寻有可能的全局的最优解。
人的一生要面对很多的问题和难题，在解决着这些问题的同时生命也在慢慢的过去着。很多时候，我们穷尽心思想要找一个十全十美，万无一失，立竿见影式的解决办法，即所谓的“最优解”，但是很多时候，我们会遗憾的发现，这样完美的解决办法是相当少的，很多时候，我们不得不选择一个“当下的”“还可以”的办法，就是“次优解”。 每个人都希望完美，这是人之常情，但一般来说，“最优解”是很难达到的，往往只在理论上存在，而“次优解”却常常是可操作的，可寻求的。 与其在“最优解”上纠缠不清，不如好好的把握住局部最优解或全局“次优解”，反而会有一个美好的结果！
张磊看图说话。切磋交流请电647-920-7018或电邮leizhang@leizhang.ca。原创文章，转载请注明出处。委托张磊，顺风顺水。