A Learning-Based Hybrid Decision Framework for Matching Systems with User Departure Detection
创建于 更新于
摘要
本文提出一个面向动态匹配市场（如换肾、货运等）的Learning-based Hybrid决策框架：通过滚动窗口收集用户离开（sojourn）数据、拟合对数正态离开分布(μ,σ)、用预训练的MLP二分类器基于损失容忍阈τ在Greedy与Patient两类匹配策略间自适应切换，从而在仅承担小幅匹配损失的前提下大幅降低等待时间与拥堵，实证与理论均证明框架能在两类极端策略之间平滑插值并提供可调节的权衡（包含算法伪代码与数值仿真）[page::0][page::12][page::16]
