基于动态惩罚奖励权重算法的大学生觅食决策模型：以“薛定谔的饭”App为例

摘要

“今晚吃啥”（What To Eat Tonight, 简称WTET问题）被公认为当代大学生面临的最严峻的每日NP-Hard问题之一。传统的抛硬币或完全随机数生成器往往因缺乏“历史记忆”，导致受试者连续三天被迫进食麦当劳，从而引发严重的心理抗拒与生理反胃。本文提出了一种基于滑动窗口的动态惩罚-奖励权重算法（Dynamic Penalty-Reward Weighting Algorithm, DPRWA），以完美平衡“连吃厌倦感”与“久违嘴馋度”。基于此算法，我们通过人机协同的Vibe Coding范式，开发了跨平台移动端应用《薛定谔的饭》（Schrödinger's Meal）。实验表明，该系统有效降低了大学生在食堂门口的平均罚站时间，显著提升了恩格尔系数的转化幸福感。

关键词