Gale-Shapley算法中 男性优势地位 的证明

Gale-Shapley算法中 男性优势地位

即稳定配对策略对主动请求配对的一方更有利

为了证明GS算法对于主动追求着更为有利（man-optiaml, also woman-pessimal）

我们考察一个群体G=(M, F) 其中M={X, Y, Z…}, F={A, B, C…}分别表示人群中男性群体的集合和女性群体的集合

其中的字母X Y Z和A B C分别代表男性个体和女性个体

简要介绍一下Gale Shapley算法的主要思路：［求婚－拒绝模型］

在拥有n个男性和n个女性的总人数为2n的人群中，每个男性在自己心目中都对n个女性进行偏好排序，即每人都将得到一张长度为女性总人数的list. 在该列表中，女性A比B排位更高，意味着该男性“比起B 更偏好A”；同理女性也对所有的男性进行如此排序。

所谓的不稳定状态就是说，在整个群体中，存在这样的配对：

假设X<-->A

Y<-->B

而在X的心中B的排位比A要高，恰巧在B的心中X的排位也比X要高，这样就形成了一个不稳定因素。Gale Shapley算法的目的就是希望消除所有的不稳定因素，使得最终的配对结果是一个稳定状态。

显然我们可以看出，稳定状态不一定只有一个；而且稳定状态中，不能保证每个人配对到的都是自己最满意的（显然这个太难实现了），但一定是对于全局稳定的。

在配对的初始阶段，所有人处于“未配对”状态。配对开始，每一轮中，男性都向自己中意的女性发出求婚请求，而所有女性都有这样3种情况：

1. 若该轮结束没有收到请求，则不作处理，继续保持当前状态

2. 若只收到一个请求且自己没有配对对象，则必须接受该请求

3. 若自己当前没有配对对象但收到了多个请求 或有匹配对象且收到了请求，则在收到的请求中（或在收到的请求和自己现有的对象中）选出排位最高的，并拒绝其他请求

图示给出了一个示例以及稳定匹配的情况：

注意：

1. 开始阶段所有人都没有配对，但第一轮结束后，凡是收到请求的女性都会有配对，并且在之后的过程中，都会一直有对象。即使变化，也是向自己更偏好的方向变化。

2. 由于女性在自己更喜欢的男性向自己发出请求之后，可以脱离当前已经配对的男性，所以会存在男性“被甩”恢复落单的情况

3. 综合看来，男性的对象在每一轮后都在走下坡路，女性的对象在每一轮都有上升的可能。这大致也能推测出，最终的结果应该是由某一处是状态出发所到达的最近的稳定态，所以“GS策略匹配出来的稳定配对 一定是男性最满意的情况”。

形成了这样的感性认识，下面用反证法来证明一下。

对于一个通过GS算法得到的稳定匹配S*, 我们设其中Y存在比最终匹配结果更加满意的对象，即“Y被拒绝过，并设Y是整个群体中第一个被拒绝的”，设拒绝Y的女性记为A。//下面为了方便，记Z>Y表示Z的排位比Y高，记Z→A表示Z向A发出过求婚请求

这里可以推出的隐藏条件是：A拒绝Y说明存在一个男性Z，使得A的排位Z>Y且Z→A

取一个非GS算法得到的稳定匹配S，其中Y<-->A，并设其中Z<-->B

在S*中，Z在Z→A前没有被任何人拒绝（因为设定Y是第一个被拒绝的），说明Z→A之前没有发生过Z→B，即证明Z的排位A>B

则在S中，同时有：A的排位Z>Y且Z的排位A>B. 证得S不稳定。推导出了矛盾。

证明对于GS得到的稳定匹配S*, Y不可能和更中意的对象A配对，即“不存在一个稳定的匹配情况，使得男性Y可以匹配到比Gale-Shapley算法得到的对象更理想的对象”