《计算机科学中的数学》学习笔记（06 状态机）

书本信息：

作者: [美] Eric Lehman / [美] F. Thomson Leighton / [美] Albert R. Meyer
出版社: 电子工业出版社
出品方: 博文视点
副标题: 信息与智能时代的必修课
原作名: Mathematics for Computer Science

06 状态机

状态机（State Machines）是一种用于模拟系统行为的抽象模型。由于计算机程序可以看作是逐步的计算过程，因此状态机在计算机科学中经常出现。

1、状态和转移

状态机由以下几个主要部分组成：

1. 状态（States）：状态是状态机的基本组成部分。每个状态代表系统的一个特定条件或配置。
2. 转移（Transitions）：转换描述了状态机从一个状态移动到另一个状态的过程。转换可以由某些条件触发，也可以由输入值触发。
3. 开始状态（Start State）：状态机的运行通常从一个特定的开始状态开始。
4. 终止状态（Terminating States）：有些状态机会有一个或多个特定的状态，当状态机达到这些状态时，它将停止运行。

有限状态机（Finite State Machine，简称FSM）是一种特殊类型的状态机，它的状态数量是有限的。FSM在计算机科学、数学、物理学等领域都有广泛的应用。它们常常被用来模拟和控制系统的行为。

无限状态机，或称为无界状态机（Infinite State Machine），是一种状态数量无限的状态机。这种状态机的状态数量不受限制，可以是无限的。这种状态机的一个常见例子就是计数器，它可以从一个初始值开始，不断地增加或减少，理论上可以达到无限大或无限小。

例如，交通灯就是一个简单的无限状态机：

状态：
1. 红灯
2. 绿灯
3. 黄灯
转移：
[初始状态] 红灯
计时器达到预设时间 -> [转移] -> 绿灯
[状态] 绿灯
计时器达到预设时间 -> [转移] -> 黄灯
[状态] 黄灯
计时器达到预设时间 -> [转移] -> 红灯

在这个例子中，每个状态都有一个转移，触发条件是“计时器达到预设时间”。这个状态机会无限循环，没有终止状态。

状态机可以是确定性（deterministic）或非确定性（nondeterministic）的。在确定性状态机中，给定当前状态和输入，下一个状态是唯一确定的，上面的交通灯例子就是一个确定性状态机。而在非确定性状态机中，给定当前状态和输入，下一个状态可能有多个。

2、不变性原理

执行（execution）：一个状态机的执行描述了状态机可能采取的一系列步骤。一个执行是一个（可能无限的）状态序列，它具有以下属性：

• 它从初始状态开始；
• 如果q和r是序列中的两个连续状态，那么存在从q到r的转换。

一个状态如果出现在某个执行中，就称该状态为可达的（reachable）。

保持不变性（Preserved Invariant）：在状态机的运行过程中始终保持的某种属性或条件。换句话说，无论状态机如何从一个状态转移到另一个状态，这个属性或条件都不会改变。可以采用形式化的语言描述如下：

一个状态机的保持不变性是一个关于状态的谓词P
如果P(q)对某个状态q为真，并且存在从状态q到状态r的转换，那么P(r)也为真。

不变性原理（Invariant Principle）：如果一个状态机的保持不变性对初始状态为真，那么它对所有可达状态皆为真。

通常使用归纳法来证明保持不变性。具体来说，首先证明在开始状态下，保持不变性是成立的，然后，证明如果在某个状态下保持不变性成立，那么在所有可能的下一个状态下，保持不变性也会成立。

不变性原理实际上就是归纳原理的一种为状态机方便使用的形式。证明一个谓词在开始状态为真是归纳的基础情况，而证明一个谓词是保持不变性则对应于归纳的步骤。

保持不变性在证明状态机的正确性和稳定性时非常有用。通过证明某个属性或条件是保持不变的，可以确保状态机在所有可能的状态转换中都能正确地工作。

3、偏序正确性和终止性（Partial Correctness & Termination）

本书在没有对偏序（Partial Order）进行任何介绍的情况下，提到了程序验证中的偏序正确性，我觉得还是应该补充一些说明。

3.1 集合论中的偏序与全序（扩展）

偏序（Partial Order）：偏序是某种二元关系，首先，偏序是针对某个集合，然后，它是对集合中元素之间的某种顺序的描述。偏序扩展了我们对“小于”或“等于”的普通理解，并可以应用于许多不同类型的数学对象。一个偏序通常表示为符号“≤”（特别注意，该符号在这里并不是“小于或等于”的意思），满足以下三个性质：

1. 自反性（Reflexivity）: 对于集合中的每个元素a，都有a ≤ a。
2. 反对称性（Antisymmetry）: 如果a ≤ b且b ≤ a，那么a = b。
3. 传递性（Transitivity）: 如果a ≤ b且b ≤ c，那么a ≤ c。

在偏序关系中，并不是集合中的每一对元素都必须是可比较的。如果集合中的每一对元素都是可比较的，那么这个关系就是一个全序关系。

全序（Total Order）：也称为线性序（Linear Order），是偏序的一种特殊情况，其中集合中的任意两个元素都是可比较的。这意味着对于任何两个元素a和b，要么 a ≤ b，要么b ≤ a，这就是全序性（Totality）。全序关系满足偏序的所有性质，并增加了全序性。

偏序的例子：幂集中的包含关系

假设集合S = {a, b} ，其幂集（即所有可能的子集的集合）：P(S)={∅,{a},{b},{a,b}}

对于P(S)的任意子集A和子集B，当且仅当A是B的子集时，A与B之间的包含关系A ⊆ B就是一个偏序。

可以看到这个关系满足偏序的三个性质：

1. **自反性**: 对于任何子集A，A ⊆ A。
2. **反对称性**: 如果A ⊆ B且B ⊆ A，那么A = B。
3. **传递性**: 如果A ⊆ B且B ⊆ C，那么A ⊆ C。

这个关系是偏序但不是全序，因为并不是集合中的每一对元素都是可比较的。例如，对于P(S)的子集{a}和{b}，它们之间就没有这种包含关系。

全序的例子：整数集合中的自然顺序关系

在整数集合中，对于任何整数a和b，要么a ≤ b，要么b ≤ a，这里的“≤”表示“小于或等于”
这里的“小于或等于”关系就是一个全序关系的例子

3.2 程序验证中的偏序正确性和终止性（扩展）

集合论中的偏序关系可以扩展到计算机程序验证之中，计算机程序可以抽象为状态机模型，偏序关系可以用来描述程序状态之间的顺序关系，而程序算法就是计算偏序关系的过程。

偏序正确性（Partial Order Correctness）：即过程（process）如果有最终结果的话，这些结果必须满足系统要求。换句话说，如果算法终止，则其输出是正确的。偏序正确性是一种程序验证的方法，它的目标就是要证明在所有可能的执行顺序下，程序都能正确地执行。但是，偏序正确性并不保证算法一定会终止。一个偏序正确的算法可能会陷入无限循环。

偏序正确性通常涉及到以下两个步骤：

1. 偏序建模：首先，需要将程序的行为建模为一种偏序关系。在这个模型中，每个事件都被表示为一个点，如果事件A在事件B之前发生，那么就有一条从A到B的边。这种模型通常被称为“偏序图”或“事件图”。不难发现，偏序建模可以用来建立程序的状态机模型。
2. 偏序验证：然后，我们需要验证在所有可能的执行顺序下，程序都能满足它的要求。

偏序正确性通常使用不变性原理来证明。

终止性（Termination）：终止性是指过程总是会产生最终的结果。换句话说，算法总是在有限的步骤内结束。它并不关心算法的输出是否正确，只关心算法是否终止。

终止性一般使用良序原理证明。

将偏序正确性和终止性结合起来，就可以得到算法的完全正确性（Total Correctness）。一个完全正确的算法不仅在终止时给出正确的结果，而且总是在有限的步骤内终止。

3.1 快速求幂

本书以快速求幂算法为例，介绍了使用不变性原理来证明偏序正确性的证明过程。

计算一个数的幂，例如计算a的b次方，最直接的方法是将a乘以自己(b-1)次。但有一种更高效的方法叫做“快速求幂”，它可以用更少的乘法操作来得到结果。

这个算法的基本思路是这样的：

1. 使用三个寄存器（可以想象为三个存储空间）：x, y, 和 z。开始时，x存储数值a，y存储数值1，z存储数值b。其中，a为实数，b为非负整数。即
2. 然后开始不断地检查z的值。如果z为0，算法结束，此时y的值就是我们要的答案。
3. 如果z是偶数，更新x为x的平方，并将z减半。
4. 如果z是奇数，将y更新为y乘以x，然后再更新x为x的平方，并将z减去1后再减半。
5. 重复上述步骤，直到z为0。

建立快速求幂的状态机模型如下：

1. 状态: 这个机器的每个状态都是由三个数值组成的：x, y, 和 z。即（x，y，z），其中x∈ℝ，y∈ℝ，z∈ℕ。
2. 初始状态: 当我们开始时，x是a，y是1，z是b。即（x，y，z）=（a，1，b）。
3. 状态转移规则: 这个机器会根据z的值来决定下一步怎么做。
   • 如果z是偶数，x会变成x的平方，而z会减半。即
     $$（x，y，z）\to （x^2，y，求商（z，2））$$
   • 如果z是奇数，y会变成y乘以x，x会变成x的平方，而z会减1后再减半。即
     $$（x，y，z）\to （x^2，xy，求商（z，2））$$

保持不变式P((x，y，z))可以描述为：z为非负整数，且y乘以x的z次方始终等于a的b次方。即
$$z\in NANDy{x}^z=a^b$$

书中采用了归纳法来证明该保持不变式P成立，然后使用不变性原理推导出偏序正确性（z=0时，程序终止，其结果是正确的）。

这个算法的优势在于它的速度。每一步的计算都伴随着寄存器z中所保存的数值的变化（减半），z的初始值为b，不难发现该算法的操作次数大约是b的二进制长度。

3.2 派生变量

通常，为了进行状态机分析，方便理解算法的行为，往往会引入一些与状态相关的变量，这一类变量被称为“派生变量”（Derived Variables）。

在快速求幂算法中，寄存器z中所保存的数值随着状态的转移不断减小，直到变为0，可以将寄存器z所保存的数值看作是状态机的规模，这就是一个派生变量。

派生变量可以定义为：f: 状态 → ℝ，即派生变量f 是一个将状态机的每个状态映射到一个实数的函数。
如果q和r是序列中的两个连续状态，可以定义4种性质的派生变量如下：

1. 严格递减（ strictly decreasing）：随着状态的转移，派生变量小于在上一个状态中的值。即
   $$q\to rIMPLIESf(r)＜f(q)$$
2. 弱递减（ weakly decreasing）：随着状态的转移，派生变量小于等于在上一个状态中的值。即
   $$q\to rIMPLIESf(r)\le f(q)$$
3. 严格递增（ Strictly increasing）：随着状态的转移，派生变量大于于在上一个状态中的值。即
   $$q\to rIMPLIESf(r)＞f(q)$$
4. 弱递增（ weakly increasing）：随着状态的转移，派生变量大于等于在上一个状态中的值。即
   $$q\to rIMPLIESf(r)\ge f(q)$$

如果状态机的派生变量f的取值范围是ℕ且严格递减，那么从状态q开始的任何执行的长度最多为f(q)。
书中翻译有误，这里的状态q并不一定的初始状态。
这个定理提供了一个工具来证明状态机的终止性。如果可以为状态机定义一个严格递减的派生变量，其值域为非负整数，那么就可以确定状态机在有限的步骤内终止。

3.3 基于良序集合的终止性

上一节的结论可以直接推广到派生变量取值为良序集合的情况。
如果状态机存在严格递减的派生变量，其值域是一个良序集合，那么就可以确定状态机在有限的步骤内终止。

3.4 东南方向跳跃的机器人

考虑一个在非负整数象限中移动的机器人，如果机器人位于与原点(0, 0)不同的某个位置(x, y)，机器人必须移动，并且只能采用下面两种移动方式：

• 向西移动一个单位距离，即从(x, y)移动到(x-1, y)，其中x > 0，或
• 向南移动一个单位距离并向东任意跳跃，即从(x, y)移动到(z, y-1)，其中z ≥ x。

其中x、y、z均为非负整数；
可以将这个机器人看作一个非确定性状态机，需要证明终止性断言：机器人最终总会停在原点。

这个断言可能看起来很明显，但它实际上与基于非负整数值变量的终止性有所不同。这是因为，即使知道机器人在位置(0, 1)，也无法确定机器人被困住的时间。它可以通过下一步移动到远东的一个遥远点来延迟被困的时间。这排除了使用定理 6.3.2 来证明终止性。

可以引入了一个派生变量v，定义
$$v(x,y)=y+\frac{x}{x+1}$$

可以证明，v的值域℣是一个良序集合，无论机器人如何移动，派生变量v的值都会逐渐减少，即v是严格递减的派生变量，所以可以断定机器人一定会停止移动，当x=0且y=0时，z取最小值0，故机器人一定会停在原点（0，0）。

3.5 证明v的值域℣是一个良序集合（扩展）

本书的第2.4节有证明v的值域℣是一个良序集合的证明过程，之前做笔记时觉得不太重要就没有记录，这里再补充一下这个证明过程：

回顾一下良序集合的概念，一个集合如果满足以下两个条件，就被称为良序集合：

1. 集合中的任何两个元素都可以比较大小，即对于集合中的任意两个元素a和b，要么a小于等于b，要么b小于等于a。
2. 集合中的任何非空子集都有最小元素。

首先
$$令f(x)=\frac{x}{x+1},其中x\in N$$
定义集合ℱ为f的值域，ℱ中的元素如下：
$$\frac{0}{1},\frac{1}{2},\frac{2}{3},\frac{3}{4},...,\frac{x}{x+1},...$$

显然，集合ℱ是良序集合，对于ℱ的任何非空子集，其最小元素就是分子最小的那个x/(x+1)。

根据v的定义
$$v(x,y)=y+\frac{x}{x+1}$$
v的值域℣可以由集合ℱ中的元素f加上任意非负整数y来构建得到。
显然，集合℣中的任何两个元素都可以比较大小。

给定℣的任意非空子集V，查看使(y+f)∈V，f∈ℱ成立的所有非负整数y所构成的集合Y。Y是一个非空的非负整数集合，根据良序原理（Well Ordering Principle），集合Y存在最小元素，设该最小元素为y0=min(Y)。

根据y0的定义，存在某个f∈ℱ，使得(y0+f)∈V。
令所有使得(y0+f)∈V成立的分数f所构成的集合为F，显然，F是ℱ的一个非空子集，而且由于ℱ是良序的，集合F同样存在最小元素，设该最小元素为f0=min(F)。
显然，y0+f0就是V的最小元素。

所以，v的值域℣是一个良序集合。

4、稳定的婚姻

4.1 Gale-Shapley 算法

Lloyd Shapley 和 David Gale 在1962年提出了一种被广泛引用的算法，通常被称为“Gale-Shapley 算法”或“稳定婚姻问题算法”（Stable Marriage Problem Algorithm）。

本书的作者将这个算法的过程进行了仪式化的改编，试图表现得更为生动形象，并将该算法称为“配对仪式”（The Mating Ritual）。

问题定义：
假设有一个男性集合M和一个女性集合W，两个集合中的人数相同，都为n。
集合M中每个男性都各自有一张对集合W中所有女性的偏好列表（按照心仪程度从高到低排列），同样，集合W中的每个女性也都各自有一张对集合M中所有男性的偏好列表。
现在需要达成一个目标，为集合M中所有男性和集合W中的所有女性创建稳定婚姻关系，最终使得没有任何不是配偶的两个人（一个男性和一个女性）更喜欢彼此而不是他们配偶。

稳定婚姻定义：
对于男性集合M与女性集合W，如果建立的婚姻关系中不存在以下情况：某个男性m和某个女性w不是配偶，但是男性m更喜欢女性w而不是他当前的配偶，并且女性w也更喜欢男性m而不是她当前的配偶；
则认为建立了在M与W上的婚姻稳定（stable matching）。

Gale-Shapley 算法：

1. 每个男性都向他们各自的偏好列表中排名最靠前的女性求婚。
2. 每个女性根据各自偏好列表的排名情况，在所有求婚者中选择排名最靠前的那个男性，并暂时与那个男性“订婚”。然后，拒绝所有其他求婚者。
3. 被拒绝的男性将拒绝他们的女性从自己的偏好列表中删除，然后向新偏好列表中排名最靠前的女性求婚。
4. 每个女性依然根据各自偏好列表的排名情况，在她现在的“订婚”对象和新的求婚者中选择她最喜欢的那个男性，并与他订婚，并拒绝其他所有求婚，包括之前与她订婚的男性（如果该男性被超过的话）。
5. 重复这个过程重复，直到每一个男性都有了一个“订婚”。

性质：

1. Gale-Shapley 算法总是会终止；
2. Gale-Shapley 算法总是会产生稳定婚姻；
3. 当Gale-Shapley 算法以男性开始时，每个男性都会得到他可能得到的最佳配偶，而每个女性都会得到她可能得到的最差配偶。反之亦然，如果以女性开始，那么每个女性都会得到她可能得到的最佳匹配。

状态机模型：

1. 状态（States）：全部男性和全部女性的订婚状态，以及全部男性偏好列表上的名单剩余状态。
2. 转移（Transitions）：算法中的步骤1~4。
3. 开始状态（Start State）：状态机的运行通常从一个特定的开始状态开始。
4. 终止状态（Terminating States）：每一个男性都有了一个“订婚”。

4.2 Gale-Shapley 算法总是会终止

如果所有的男性都已经与他们当前名单上的第一个女性“订婚”，那么算法就已经结束了。

如果没有结束，那么当前至少有一个女性被多于一个的男性求婚，这意味着至少有一个男人会被拒绝，并且他将从自己的偏好列表中划掉这个的女性的名字。

也就是说，如果算法没有结束，则每天都有女性从偏好列表上被划掉，每个男性的偏好列表都是有限的，总共只有n²个名单条目（n个男性，每个偏好列表上n个女性），那么这个过程最多只能持续n²天。之后，所有的名单条目都会被划掉，仪式必然会结束。

4.3 Gale-Shapley 算法总是会产生稳定婚姻

假设存在一个不稳定的配对，其中男性A更喜欢女性B而不是他当前的配偶C，并且女性B也更喜欢男性A而不是她当前的配偶D。

但是，这种情况是不可能的，因为：

• 如果男性A更喜欢女性B，那么男性A会在向他的配偶C求婚之前向女性B求婚。
• 而女性B的配偶是D，说明女性B一定拒绝了男性A的求婚，那么这意味着女性B更喜欢她的当前配偶D。

这与我们的假设矛盾，即男性A和女性B互相更喜欢。因此，假设不成立，不存在这样的不稳定配对，Gale-Shapley 算法总是会产生稳定婚姻。

书中通过构造出保持不变式来给出证明，这个保持不变式也能用于前面的反证法，书中给出的后续证明过程比较繁琐，不再赘述。
定义以下命题 P：对于任意女性w和任意男性m，如果w被m从他的偏好列表中划掉，那么比起m来，w一定有一个她更喜欢的追求者。

P是“配对仪式”中的一个保持不变式。

4.4 求婚的一方更有利

4.4.1 稳定婚姻的配对方案并不唯一

首先，Gale-Shapley 算法最终产生了稳定婚姻，但是稳定婚姻的配对方案并不是唯一的，要证明这一点，可以通过构造一个例子来说明：

有两名男性：A和B，以及两名女性：X和Y。

他们的偏好列表如下：

• A的偏好：X > Y
• B的偏好：X > Y
• X的偏好：B > A
• Y的偏好：A > B

如果按照Gale-Shapley算法，以男性为主导（男性向女性求婚）进行匹配：

1. A和B都首先向X提议，因为X是他们的首选。
2. X更喜欢B，所以她接受了B的提议并拒绝了A的提议。
3. A随后向Y提议，Y接受了。

所以，以男性为主导的Gale-Shapley算法得到的稳定婚姻是：B-X 和 A-Y。

但是，不难发现A-Y和B-X也是一个稳定的匹配。因为没有男性和女性都更喜欢彼此超过他们当前的配偶。

事实上，A-Y和B-X这个配对方案可以通过以女性主导（女性向男性求婚）的Gale-Shapley算法来得到。

因此，这样就找到了两种不同的稳定婚姻配对方案：A-X和B-Y，以及A-Y和B-X。

这个例子证明了稳定婚姻的配对方案并不是唯一的，基于这个结论，可以进行如下定义：

• 可行配偶（ feasible spouse）：如果两个人能够在某个稳定婚姻中成为配偶，那么其中一个人就是另一个人的可行配偶。
• 最佳配偶（ optimal spouse）：某人在所有可行配偶中最喜欢的那个。
• 最差配偶（ pessimal spouse）：某人在所有可行配偶中最不喜欢的那个。

4.4.2 “配对仪式”中的一个保持不变式

稍微改写了一下书中的证明过程：
定义命题 Q：对于任意女性w和任意男性m，如果w被m从他的偏好列表中划掉，那么w一定不是m的可行配偶。

证明Q是Gale-Shapley 算法中的一个保持不变式：

1. 在开始状态时，没有任何女性被任何男性从偏好列表中划掉，此时Q为真。
2. 假设Q在状态q时成立，并且在q的下一个状态r中，某个女性A将被某个男性B从他的偏好列表中划掉，如果能够证明当A被B划掉后Q仍然为真，那么Q就是一个保持不变式。
3. 在状态r中，当A被B从偏好列表中划掉时，说明A有一个她更喜欢的求婚者，假设该求婚者为T。
4. 在状态q中，即在A被B从偏好列表中划掉前，由于命题Q成立，被T划掉的女性都不是T的可行配偶，那么T的所有可行配偶仍然在他的偏好列表上，并且A位于T当时的偏好列表的最顶部。
5. 所以，无论A是不是T的可行配偶，比起T的所有其他的可行配偶来，T都更喜欢A。
6. 假设存在某个稳定婚姻配对，在该配对方案中A可以与B结婚，那么T必须与另一个可行配偶（一个在他的偏好列表中排在A之后的女性）结婚，这使得A和T更喜欢彼此而不是他们配偶，与稳定婚姻的定义矛盾，假设不成立。
7. 所以，A不能与B结婚，也就是说，A一定不是B的可行配偶。
8. 所以，Q在状态r中依然成立，Q是Gale-Shapley 算法中的一个保持不变式得证。

另一种证明：

假设在Gale-Shapley 算法中的某个时刻，某个女性A即将被某个男性B从他的偏好列表中划掉，说明A有一个她更喜欢的求婚者，假设该求婚者为T，说明A位于T当前的偏好列表最顶部。
所以无论A是不是T的可行配偶，比起T的所有其他的可行配偶来，T都更喜欢A。

假设存在某个稳定婚姻配对，在该配对方案中A可以与B结婚，那么T只能与一个A以外的女性S结婚，此处分为两种情况：

1. A是T的完整偏好列表中的第1人，那么T只能与一个在他的偏好列表中排在A之后的女性结婚，这使得A和T更喜欢彼此而不是他们配偶，与稳定婚姻的定义矛盾，假设不成立。
2. A不是T的完整偏好列表中的第1人，那么T必须与一个在他的偏好列表中排在A之前的的女性结婚（假设为女性S），否则将使得A和T更喜欢彼此而不是他们配偶，与稳定婚姻的定义矛盾，导致假设不成立。显然，女性S的经历和女性A是一样的，在这个假定的稳定婚姻配对方案中，女性S成为了一个在“配对仪式”中将她划掉的人（男性T）的配偶。由于每个人的偏好列表都是有限的，以此类推，最终一定会出现一个女性A’和一个男性T’，A’是T’的完整偏好列表中的第1人，而T’只能与一个在他的偏好列表中排在A’之后的女性结婚，而A’成为了一个在“配对仪式”中将她划掉的人（在A’的偏好列表中排在T’之后，假设为男性B’）的配偶，使得A’和T’更喜欢彼此而不是他们配偶，与稳定婚姻的定义矛盾，导致假设不成立。

所以，A不能与B结婚，也就是说，A一定不是B的可行配偶，Q在Gale-Shapley 算法中一直为真。

4.4.3 证明求婚的一方更有利

证明：

1. 前面已经证明当一个女性从一个男性的偏好列表中被划掉时，这意味着她不是这个男性的可行配偶。
2. 如果在Gale-Shapley 算法结束时，男性A与女性B匹配，那么在男性A的偏好列表中，排名高于B的所有女性都被划掉了。因此，B是A所有可行配偶中的最佳选择，即B是A的最佳配偶。
3. 同样，由于A比其他所有可行配偶都更喜欢B，如果B与她更不喜欢的其他男性匹配，与稳定婚姻的定义矛盾，因此，A必须是B所有可行配偶中的最差选择，即A是B的最差配偶。

结论：以男性为主导的Gale-Shapley 算法确保每个男性都与他的最佳配偶匹配，而每个女性都与她的最差配偶匹配，求婚的一方更有利。

4.5 应用

Gale-Shapley 算法在许多实际应用场景中都有广泛的应用。例如，它被可以用于为毕业的医学生分配他们的第一份医院实习工作，也可以被应用于为学生分配学校，还可以被应用于大型分布式互联网服务中为用户分配服务器，此外，Gale-Shapley 算法确实被用在了很多相亲网站之中。