匹配设计与算法及其在寄养服务中的应用

我们研究了一个组织将主体与客体相匹配的问题，其中主体对客体具有偏好排序，而该组织使用算法代表每个主体构建对客体的排序。我们的新框架带有这样的解释：组织及其主体在追求某些潜在匹配目标时可能存在不一致。我们设计了整合主体决策和算法的匹配机制，优先考虑双方一致同意的匹配。我们的机制还满足受限效率性质。随后，我们证明了没有一致同意机制是防策略操纵的，但我们的机制可以是非显然可操纵的。我们将框架推广至允许任何偏好聚合规则，并将著名的 Gibbard-Satterthwaite 定理扩展到我们的设定中。我们将该框架应用于将寄养儿童安置在寄养家庭中以最大化福利。使用预测安置中儿童福利的机器学习模型和提取真实个案工作者偏好的新型“诱导偏好”实验，我们实证证明，我们的机制提取了重要的特定匹配福利收益，而这些收益在现状下是无法实现的。