Mientras respondía un comentario, me di cuenta de que tenía una respuesta que valía la pena. R se ha convertido en el "lenguaje predeterminado" para muchas estadísticas de investigación computacional (por varias razones; bonito artículo del NYT aquí ). Es de alto nivel, gratuito y de código abierto, y tiene una revista estrechamente relacionada para publicar algoritmos estadísticos. Las citas y la revisión por pares son clave para la academia, por lo que obtiene una gran cantidad de código bien descrito publicado en los archivos R (CRAN) con descripciones publicadas en JStat. Esto se extiende a muchos blogs y publicaciones de código de demostración rápida.
Es decir, hay una enorme base de código creada por el usuario para R. Cuando necesito encontrar un algoritmo en línea, a menudo primero busco la base de código R masiva. Una búsqueda rápida del código R arrojó lo siguiente:
De un blogger R , con código (ver el enlace principal):
El algoritmo de aceptación diferida (DAA) se remonta a Gale y Shapley (1962). Presentan un algoritmo bastante simple que encuentra una correspondencia estable, por ejemplo, para admisiones a la universidad o en un mercado matrimonial. ... Las variaciones de este algoritmo se utilizan en asignaciones de hospitales en los EE. UU., Por lo que los médicos recién graduados presentan preferencias sobre los hospitales, y los hospitales presentan preferencias sobre los graduados. ... Aquí voy a usar R para hacer una pequeña simulación de esto
Desde un repositorio de github instalable para mercados coincidentes :
El paquete R matchingMarketsviene con dos estimadores:
stabit: Implementa un estimador de Bayes que estima las preferencias de los agentes y corrige la selección de muestras en los mercados de emparejamiento cuando el proceso de selección es un juego de emparejamiento unilateral (es decir, formación de grupos).
stabit2: Implementa el estimador de Bayes para un juego de combinación de dos lados (es decir, las admisiones a la universidad y los problemas matrimoniales estables ).
y tres algoritmos que pueden usarse para simular datos coincidentes:
hri: Modelo de restricción para el problema del hospital / residentes. Encuentra todos los emparejamientos estables en los mercados de emparejamiento de dos lados. Implementado tanto para el problema del matrimonio estable (emparejamiento uno a uno) como para el problema del hospital / residentes , también conocido como problema de admisión a la universidad (emparejamiento muchos a uno).
sri: Modelo de restricción para el problema de compañeros de habitación estables. Encuentra todos los emparejamientos estables en el problema de compañeros de cuarto (mercado de emparejamiento unilateral).
ttc: Algoritmo de los principales ciclos de negociación. Encuentra coincidencias estables en el problema del mercado inmobiliario .
Funciona hriy sripermite listas de preferencias incompletas (algunos agentes consideran que ciertos agentes son inaceptables) e instancias desequilibradas (número desigual de agentes en ambos lados).
Esperemos que uno de estos pueda ayudar. El segundo en particular parece extremadamente útil, particularmente si proporciona un estimador empírico.