用 MDP 推演职场晋升：最优策略和固定努力的差距有多大

职场发展不是线性爬坡，而是状态之间的概率转移： 专员可能晋升骨干，也可能原地踏步，还有概率被优化。 马尔可夫决策过程（MDP）就是给这种局面量身定做的数学工具。

建模三要素

状态：专员、骨干、主管（成功终态）、被优化（失败终态）。 动作：摸鱼、本职、深耕，每个动作对应不同的转移概率矩阵。 奖励：到达主管 +100，被优化 -50，折扣因子 γ=0.9 体现「未来的收益打折」。

价值迭代在算什么

价值迭代反复执行贝尔曼更新 V(s) = max_a Σ P(s'|s,a)[R + γV(s')]， 直到收敛（1e-12 精度，上限 100 次迭代）。收敛后每个状态有一个价值， 每个状态有一个最优动作，这就是策略表。 接着用 (I - Q)x = b 线性方程组求解：按最优策略，从专员出发最终被吸收进主管的概率。

关键对比

工具会并排展示三个数字：最优策略通过率、固定「摸鱼」通过率、固定「本职」通过率。 差距往往超出直觉，在典型参数下，策略性深耕比机械完成本职的通过率高出数倍。 更值得看的是策略表的状态依赖：同一个动作在专员阶段最优， 到了骨干阶段可能不再最优。长期规划的价值正在于此。

口径说明：上面三个数字都是模型内部的量，衡量的是在这套转移概率假设下走完全程的可能性，不代表现实中成功或失败的概率；现实结果取决于你自己的投入与外部条件。