Dostępny kod dla rozwiązań obliczeniowych zgodnych algorytmów?

Kwestia zaprojektowania procedury dopasowywania (między szkołami średnimi a studentami, stażystami medycznymi i szpitalami, dawcami i biorcami nerek ...) była szeroko badana przez ekonomistów i znacznie przyczyniła się do tego, że Roth i Shapley otrzymali pamiątkową cenę Nobla z ekonomii.

Zastanawiałem się, czy wiedziałeś o jakimkolwiek darmowym kodzie (najlepiej w języku stosunkowo wysokiego poziomu), który byłby w stanie obliczyć rozwiązania głównych problemów związanych z dopasowywaniem niektórych z najbardziej znanych algorytmów zaproponowanych w literaturze. Myślę o napisaniu jednego, ale wolałbym, żeby już go nie było.

Interesuje mnie przede wszystkim kawałek kodu do obliczenia rozwiązania algorytmu odroczonej akceptacji w przypadku problemu wyboru szkoły , ale cokolwiek innego byłoby mile widziane.

Odpowiadając na komentarz, zdałem sobie sprawę, że mam odpowiedź post-warta. R stał się „językiem domyślnym” dla wielu statystyk badań obliczeniowych (z wielu powodów; fajny artykuł NYT tutaj ). Jest to wysoki poziom, darmowy i open source, i ma ściśle powiązany dziennik do publikowania algorytmów statystycznych. Cytowania i wzajemna ocena mają kluczowe znaczenie dla środowiska akademickiego, dlatego w archiwum R (CRAN) jest dużo dobrze opisanego kodu z opisami przesłanymi do JStat. To rozlewa się na wiele blogów i szybkich postów kodu demonstracyjnego.

To znaczy, istnieje ogromna baza kodu do tworzenia użytkownika dla R. Kiedy potrzebuję znaleźć algorytm online, często najpierw szukam ogromnej bazy kodu R. Szybkie wyszukiwanie kodu R wykazało następujące:

Z blogera R z kodem (patrz link GIST):

Algorytm odroczonego przyjęcia (DAA) wraca do Gale and Shapley (1962). Wprowadzają raczej prosty algorytm, który znajduje stabilne dopasowanie na przykład do przyjęć na studia lub na rynku małżeńskim. ... Odmiany tego algorytmu są wykorzystywane w zadaniach szpitalnych w USA, gdzie niedawno ukończyli lekarze przedkładają preferencje nad szpitalami, a szpitale przedkładają preferencje nad absolwentami. ... Tutaj użyję R, aby wykonać małą symulację tego

Z instalowalnego repozytorium github dla pasujących rynków :

Pakiet R matchingMarketszawiera dwa estymatory:

• stabit: Wdraża estymator Bayesa, który szacuje preferencje agentów i koryguje wybór próbek na dopasowywanych rynkach, gdy proces selekcji jest jednostronną grą dopasowywania (tj. Tworzeniem grup).

• stabit2: Implementuje estymator Bayesa dla dwustronnej gry w dopasowywanie (tj. Przyjęć na studia i problemów ze stabilnym małżeństwem ).

oraz trzy algorytmy, których można użyć do symulacji pasujących danych:

• hri: Model ograniczenia problemu szpitala / rezydenta. Znajduje wszystkie stabilne dopasowania na rynkach dwustronnego dopasowywania. Wdrożono go zarówno dla problemu stabilnego małżeństwa (dopasowanie jeden do jednego), jak i problemu szpitala / rezydenta , zwanego także problemem przyjęć na studia (dopasowanie wiele do jednego).

• sri: Model ograniczenia dla problemu stabilnych współlokatorów. Znajduje wszystkie stabilne dopasowania w problemie współlokatorów (rynek dopasowywania jednostronnego).

• ttc: Algorytm najlepszych cykli obrotu. Znajduje stabilne dopasowania w problemach rynku mieszkaniowego .

Funkcje hrii sripozwalają na niekompletne listy preferencji (niektórzy agenci uważają niektórych agentów za niedopuszczalne) i niezrównoważone instancje (nierówna liczba agentów po obu stronach).

Mam nadzieję, że jedna z nich może pomóc. Szczególnie ten drugi wygląda niezwykle przydatnie, zwłaszcza jeśli zapewnia empiryczny estymator.

Wiem, że jest to trochę nieaktualne, ale w CRAN jest dostępny nowy pakiet o nazwie „MatchR”, który moim zdaniem jest znacznie szybszy niż pakiet zalecany powyżej. Możesz go zainstalować za pomocą

install.packages('matchingR')

Również tutaj jest link do źródła .