有没有一种实用的策略可以学习以最优的价格为产品定价？现在我有以下任意爬山算法：

• 以起始价格运行实验P并收集 500 个数据点（例如 20 个购买和 480 个不购买）。
• 对什么置信水平P产生比P * 1.1和更高的每位访客收入进行 t 检验P * 0.9。然后进行 3 次加权硬币翻转，获胜者可以进行下一个实验。

这种方法有很多问题。例如，如果价格处于最优状态，则无法以更最优的定价 ex 对产品进行定价P * 1.03。另一个是，如果在某个价格点上P = K我们碰巧运气不好，买了 1 次 500 个数据点，算法就不会快速收敛。

如果我们获取大量数据点，问题就会变得容易，但这会减少长期收入。是否有一种快速算法可以收敛到最优价格，然后不再进行探索？