【摘要】已有的优化类行为发现算法研究仅涉及短视型顾客，未考虑网络环境下的顾客策略行为。针对现有基于顾客偏好排序列表的网络型非参数离散选择模型，提出了考虑策略型顾客的偏好行为发现启发式算法。从定义顾客类型初始集和备选集开始，描述了受到顾客类型数量限制的模型参数极大似然联合估计问题，并通过广义拉格朗日函数将其转化为无约束问题，利用拉格朗日函数及其对偶函数梯度的性质确定顾客类型筛选条件。数值模拟表明，所提启发式算法能反映出顾客需求的网络替代效应，迭代并自动地生成符合筛选条件的短视型和策略型顾客偏好排序列表，其行为发现计算过程无须求解NP难问题，能更加有效地避免需求非限化估计过程对历史顾客“初始需求”的高估。