文摘
大学招生的匹配是一个典型的例子的应用算法在网络空间来提高相应的物理空间过程的效率。本文研究了实时互动机制(RIM)最近在中国的内蒙古,采用学生可以立即观察临时录取结果的应用和最后期限之前可以修改应用程序。由于大学接受应用程序根据成绩的排名,RIM被认为使竞争更加透明。然而,学生可能会操纵这种机制的协调。高分的学生可以执行在最后一秒改变大学应用,打开学生得分较低。与基于主体模拟,我们发现大部分学生将选择执行协调操作,它会侵蚀社会的福利和公平。为了应对这个问题,我们调查多级RIM (MS-RIM),不同范围的成绩给出不同期限的学生申请修改。我们发现多级政策降低了操作的机会。然而,激励进行操作增加了操纵的成功率更高。因此,整个社会福利和公平MS-RIM下进一步降低了少量的阶段,但如果阶段数量很大的改善。
1。介绍
随着信息和通讯技术的发展,高校招生过程的物理空间已被转移到网络信息系统。许多算法,如延期验收机制(1,2),并行选择机制(3,4),和实时互动机制(3,5),设计有效的再设计过程的信息。网络空间的结果然后用来改善福利和公平在现实世界的大学生匹配(3- - - - - -6]。
的<我>顺序选择机制我>(SCM)几十年来一直用于中国大学录取(7]。在这种机制中,每个学生提交名单的首选大学。一所大学承认学生在第一时间把它列为首选。如果大学可用配额第一轮录取后,它会考虑申请人名单作为他们的第二选择等等。这种机制类似于马上接受机制,或波士顿机制(8,9]。在一个不发达的时代通信技术,该算法由于其简单而被广泛使用。然而,顺序机制已经严重限制:它不是strategy-proof [2,8和容易操作10,11]。学生需要仔细选择他们的第一选择。因为一旦拒绝了她的首选大学一名学生,她可能会被二号,作为大学的配额可能已经用完了。因此,更多信息可以选择候选人大学的学生比其他人更明智。经验证据还表明,大部分的高分学生没有承认任何大学只由于不恰当的选择7]。
为了解决这个问题,<我>一个平行的选择机制我>(PCM)已经逐渐被大多数省份在中国自2008年以来。在该机制中,学生们可以选择几个“平行”大学在每个选择乐队。自动录取信息系统流程的应用从得分最高的学生得分最低。因此,一个学生将被第一个大学录取他的名单上有空缺配额。在这种机制下,所有的选择一个高分的学生将被视为“平行”移动到下一个学生,这将大大增加被录取的机会。经验证据也表明,并行选择算法的实现大大减轻学生考试分数高的问题不承认任何一所学院(4]。实验证据表明,平行的性能选择机制比马上接受机制(12]。平行的选择机制与延期验收机制(2),由盖尔和夏普利[首次提出1)和广泛采用双边匹配(13,14]。延期验收机制被证明有一些不错的属性,如strategy-proof稳定,消除合理的嫉妒(2,13,14]。延期验收机制要求学生提交一个完整的列表的所有大学的偏好。然而,在普遍的做法,学生们只能包含有限数量的提交列表(例如,6在并行选择机制在中国一些省份)的大学。施加在首选项列出的长度限制迫使学生采取战略行为选择时有序列表提交(15)和阻碍稳定匹配(16]。实验证据表明,学生的激励会大大影响,更多的人操纵他们的偏好约束下选择(17]。陈和Kesten评估顺序、并行和递延接受机制的实验。他们发现,而并行选择机制的性能优于顺序机制,它比延期验收的机制(12]。这意味着延期验收机制的优点是没有充分利用并行选择机制下由于有限的首选项列出。
内蒙古采用了一个新颖的机制称为<我>实时互动机制我>(RIM)自2008年以来,这将缓解这个问题引起的有限长度的平行的偏好列表选择机制。在边缘,学生可以在线观察初步录取结果和修改他们的选择在任何时间期限。这种机制类似于迭代递延接受机制(18),预计提高公平和社会福利,它是完全信息下5]。有实验证据表明,一个更高比例的稳定结果和真情流露的利率达到迭代递延接受机制比标准的递延接受机制(19,20.]。
然而,一种类型的操作是可能的实时协调互动机制的高分学生,低分的学生(18]。因为学生可以在任何时候修改他们的应用程序在最后期限之前,高分学生可以"持有"坐在大学和“释放”在最后一分钟,低分学生可以把它。低分学生提高的效用,因为她是一个更好的大学录取了。高分的学生也会承认,她真正喜欢的大学由于分数优势。因此,他们的总效用是改善(我们假设协调学生有其他渠道将公用事业在现实生活中,他们只关心他们的平均效用在我们的模型)。然而,这样的协调操作可能侵蚀社会福利和公平由于扭曲的结果。在实践中,“seat-holding”操纵已经成为关键的问题。当局意识到并声称这种行为将被监控,禁止在2020年新的大学招生系统(21]。
基于代理的方法模拟(22,23),我们首先研究协调操作的基本原理在实时动态机制和协调操作的影响社会福利和公平。然后我们调查RIM的多级政策是否可以减轻协调处理的问题。确定学生的数量要协调操作,我们使用价值在稳态操作和nonmanipulation学生没有动力切换策略。我们发现相当一部分学生将协调操作,和社会福利和公平是低于情况没有操纵。此外,我们提出一个变体的RIM (MS-RIM)与多个阶段,在学生不同的分数有不同的期限提交他们的应用程序,高分数的学生,以后学生的得分较低。模拟表明,多级政策边缘的复杂对匹配结果的影响。协调的策略可以减少的机会,因为不同的期限提交的应用程序。然而,它放大学生的动机进行协调处理由于操作机会的匮乏和顺向更高的回报。此外,它有助于避免拥挤,所有操纵学生转移他们的座位几乎同时,提高操作的成功率。三个效果的组合表明,当阶段的数量很小,社会福利和公平被成功操作的增加减少。 Only when the number of stages is sufficiently large, the successful manipulation number decreases and the social welfare and fairness are improved.
本文的组织如下。部分2描述这个实验的背景。部分3介绍了基于代理模型的实时动态的大学录取机制。部分4提出并讨论了结果,然后是结论部分5。
2。背景
2.1。实时互动机制
实时互动机制首先尝试在内蒙古的大学申请和录取过程的一部分学生在2006年和2007年。它被应用于所有学生自2008年以来,一些在接下来的几年里修改和改进。
在应用程序和录取过程中,大学之前提交他们的招生计划和分配配额,以及学生参加高考并获得他们的分数,这是录取的主要标准。不同成绩的学生人数是公开的,以及大学的招生计划和最低分数录取学生的前几年。建议学生们认识到他们的等级分数在所有学生,选择一些首选和可能实现的大学。
招生过程开始时,每个学生都需要登录到网上录取系统,选择一所大学申请。在接受学生的新应用程序,计算机系统将插入这个学生,所有学生的排名申请同一所大学根据自己的分数降序排列。名单上的学生可以看到她的位置和大致知道她将承认后立即提交应用程序。最低分数的分数分界点,这些学生在学校的招生配额,将实时更新,定期公开。
在任何时间在系统关闭之前,学生们可以检查如果能够承认和决定是否使一个新的应用程序。学生可以修改他们的选择尽可能多地在截止日期之前。
当系统关闭时,学生的分数排名限额内应用大学将正式承认。否则,他们将被这所大学和其他大学无法承认的。
实时互动机制的优点是信息透明度。学生可以观察他是否可以立刻承认应用大学申请提交后,这使学生申请大学首选的和可以实现的,这是不可能在其他机制。
2.2。协调操作的高低分学生
实时互动机制并不是完美的。这种机制的一个缺点是,它很容易受到操纵的一种协调的学生考试分数高的和另一个学生考试分数较低。
初入学手续,高分学生并不适用于他最喜欢的大学,但大学适用于低分学生喜欢。这意味着高分学生“拥有一个座位”的大学低分的学生。在最后期限前的最后几分钟,高分学生可以释放这个座位”,这样的低分学生可以申请这所大学之前其他学生注意到这个空缺。释放一个座位后,高分学生立即适用于他真正喜欢的大学。结果,高分的学生可以接受因为利用了自己的分数,和低分学生可以通过一个更好的大学承认由于成功操作。
虽然成功的操作可以造福两国操纵学生,这可能会让其他同学的不公平,对社会福利的损失。如果没有操作,另一个学生得分之间的高分和低分的学生可以被承认的大学录取低分的学生。此外,高分操纵学生切换到一个大学在最后一刻在最后期限之前,这通常把另一个学生的申请大学的招生名额没有机会申请其他大学由于有限的时间。
2.3。多级实时互动机制
自2008年以来,录取过程是由多个阶段,我们称之为多级实时互动机制(MS-RIM)。不同成绩的学生给出不同期限提交他们的应用程序,和学生得分越高的最后期限是比那些成绩较差。例如,学生的分数范围从600年到629年需要提交他们的应用程序在下午4点之前,和学生的分数范围从570年到599年在下午5点之前提交他们的应用程序,等等。
这种多级政策介绍解决网络拥塞问题,因为许多学生修改他们的应用程序在最后期限之前。尤其是当切换到一个大学的高分学生,附近一些低分学生排名较低的起评分会害怕被拒绝由这所大学和开关适用于其他大学,然后他们将推动其他学生转向大学。多级政策为学生提供了不同的分数不同的期限,这缓解了交换机的数量,改善网络拥塞的问题。
目前还不清楚多级政策如何影响协调操作。因为最后期限提交应用程序不同成绩不同的学生,他们中的一些人将没有机会进行协调处理。然而,协调操作仍然是一个大问题在实践中,尽管实现多级政策很多年了。
我们进行模拟确认,尽管多级政策能减少协调操作的发生,增加学生操作的激励机制。
3所示。方法
我们研究大学申请和录取过程实时互动机制下基于主体模拟,提供了一个理想的工具模型复杂的自适应系统由一个自底向上的方法(22,23]。通过学生个人的行为建模,我们可以观察到自利的个人如何交互建立宏观的现象,比如福利和公平的结果匹配。一个以代理人为基础的模拟也灵活执行场景分析实际决策中通常是必要的。这种方法采用了匹配问题研究学院(24,25]。
初始化仿真模型设置如下:<年代pan class="list">(1)年代pan>一组的学生<我>N我>=<年代pan class="inline_break"> 考试分数是随机生成的均匀分布的<我>年代core_min我>来<我>年代core_max。我>年代pan>(2)年代pan>一组大学用<年代pan class="inline_break"> 。年代pan>(3)年代pan>大学的招生配额用<年代pan class="inline_break"> ,年代pan>这意味着大学的学生的数量吗<我>我我>会承认<我>问我><年代ub>我我>年代ub>。我>年代pan>(4)年代pan>学生在大学用的偏好<年代pan class="inline_break"> ,年代pan>在哪里<我>P我><年代ub>我我>年代ub>例如,是所有大学的排列<我>P我><年代ub>我我>年代ub>:<我>年代我><年代ub>1年代ub>,<我>年代我><年代ub>2年代ub>,<我>年代我><年代ub>3年代ub>、…<我>年代我><年代ub>米我>年代ub>这意味着,学生<我>我我>大学<我>年代我><年代ub>1年代ub>是他的第一选择,大学吗<我>年代我><年代ub>2年代ub>他的第二个选择,大学<我>年代我><年代ub>3年代ub>他的第三个选择,等等。我们假设有一个公共的大学排名,比如最好的全球大学排名,美国新闻和世界报道。学生的偏好<我>P我>被扰乱公共随机生成的排名,这意味着学生在大学可能有不同的偏好,但总的来说,顶级大学被更多的学生比低级的首选。年代pan>(5)年代pan>大学在学生用的偏好<年代pan class="inline_break"> 。年代pan>在这个模型中,所有大学的偏好的学生是完全基于他们的分数。年代pan>(6)年代pan>最低分数操纵这两个学生之间的区别<我>年代core_diff。我>自高分学生将举行一次低分学生座位的协调操作,只有分数大于区别它们<我>年代core_diff我>,然后他们可以操纵策略。年代pan>(7)年代pan>学生尝试寻找合作伙伴的比例要协调处理用<我>ρ,我>这被称为<我>米anipulation-seeking比率。我>在仿真中,比例<我>ρ我>的学生是随机选择的<我>米anipulation-seeking学生。我>每个manipulation-seeking学生有一个机会找到合作伙伴。manipulation-seeking学生没有合作伙伴(例如学生),他会要求另一个学生(学生B)说这是随机选择从所有其他的学生。如果B也是manipulation-seeking学生和没有合作伙伴,和他们的得分差异大于<我>年代core_diff我>,他们将成为合作伙伴,已经准备好进行协调处理,和学生B将不再寻找其他合作伙伴;否则,学生不能进行操作虽然他愿意这样做。那些寻找合作伙伴进行协调处理<我>操纵学生。我>年代pan>(8)年代pan>在一个模拟的轮数<我>T。我>在离散步骤模拟运行时,每个学生都有一个机会在每一轮更新他的申请。年代pan>(9)年代pan>圆当操纵高分学生释放低分操纵学生的座位,他们持有<我>t我><年代ub>seat-transfer我>年代ub>。我>我们模拟不同<我>t我><年代ub>seat-transfer我>年代ub>学生们将适应选择最优<我>t我><年代up>∗我>年代up>seat-transfer我>年代ub>最大化自己的效用。年代pan>(10)年代pan>模拟的情况,一些学生可能无法提交他们的应用程序由于操作失败(如网络拥堵,系统响应缓慢,和操作错误),每个学生都有一个概率<我>λ我><年代ub>t我>年代ub>他提交不成功。失效概率随轮数<我>t我>,越接近整数是最后期限,更大的<我>λ我><年代ub>t我>年代ub>将。年代pan>
仿真过程描述如下。录取过程运行<我>T我>轮。在每一轮,每个学生都有一个机会提交他的申请。学生提交应用程序的顺序重新排列在每一轮随机。提交应用程序之前,每个学生可以查询信息大学的配额和截止的大学。nonmanipulation学生报告他们的真实偏好,也就是说,他们将适用于他们最喜欢的大学在所有可行的大学的配额不填或申请人的分数高于最后一个在大学的应用程序列表中。操纵操纵学生的高分学生将申请最首选的可行的低分数,大学和操纵的低分学生将根据自己的真实偏好seat-transfer前时间<我>t我><年代ub>seat-transfer我>年代ub>。在轮<我>t我><年代ub>seat-transfer我>年代ub>,高分学生释放低分学生首选的大学的所在地,然后申请他真正喜欢可行的学校,同时低分学生申请这个“座位”发布立即。的所有操作的学生很容易失败的概率<我>λ我><年代ub>t我>年代ub>。学生在大学的应用程序列表的排名更新的降序只要提交一个新的应用程序。毕竟学生提交了他们的应用程序,每个学生可以观察到临时匹配结果,知道他们的排名是限额内的大学。然后,新一轮的开始和所有学生在新一轮可以修改他们的应用程序。
录取过程后结束<我>T我>轮模拟,学生的分数在配额申请大学的正式承认。然后,学生和大学的实用程序可以计算根据录取结果和他们的偏好。
一个学生的效用是由大学的位置,承认他的偏好。例如,当有<我>米我>学校、学生的实用程序<我>米我>/<我>米我>= 1如果他承认是他的首选大学(<我>米我>−1)/<我>米我>如果承认第二大学等等,如果他承认过去首选大学,他的效用是1 /<我>米我>。当然,无与伦比的学生的效用是零。
大学的效用可以以同样的方式计算。当有<年代vg height="6.1673pt" id="M6" style="vertical-align:-0.2063904pt" version="1.1" viewbox="-0.0498162 -5.96091 6.6501 6.1673" width="6.6501pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
我们模拟的参数设置<我>n我>= 450,<我>米我>= 30,<我>问我>= 15,<我>年代core_min我>= 550,<我>年代core_max我>= 700,<我>年代core_diff我>= 20,<我>ρ我>范围从0到1<我>T我>= 100<我>t我><年代ub>seat-transfer我>年代ub>范围从1到<我>T我>,<我>λ我><年代ub>t我>年代ub>=<我>t我>/1000,<我>t我>= 1到100。虽然,我们设置一个模拟的最大整数100年,系统稳定在大约35轮。
4所示。结果与讨论
4.1。协调处理在稳定状态
虽然每个学生与其他学生可以选择协调操作机制,这并不意味着他们所有的人都愿意这样做。作为理性的代理人,他们将使他们的选择根据不同策略的期望效用。如果操纵的期望效用大于nonmanipulation,更多的学生将会选择操作,否则,更多的学生将适应nonmanipulation。这时,一个<我>稳定状态我>在操纵学生和nonmanipulation学生获得相同的工具操纵比赛的结果。稳态时,比例的操纵和nonmanipulation不会改变,尽管,自私自利的学生可以自由地做出他们的选择。
有一个比例<我>ρ我>的学生(约<我>ρn我>)愿意寻找合作伙伴进行操纵,和(1−<我>ρ我>)<我>n我>学生如实提交他们的应用程序。manipulation-seeking学生中,其中一些能够成功找到伴侣,而另一些则不能。这是通过随机模拟匹配成对,如果得分之间的差异大于两个伙伴<我>年代core_diff我>,他们可以进行协调处理。所以,只有学生愿意操纵行为以及成功地发现了被称为合作伙伴<我>操纵学生我>。学生不能真正进行操纵被称为<我>nonmanipulation学生我>,包括那些愿意操作但未能找到合作伙伴<我>。我>
找到稳定状态,我们模拟不同<我>ρ我>范围从0到1,计算的平均效用操纵学生和nonmanipulation学生,分别在不同的值<我>ρ我>。一些典型的结果如图1。
(一)年代trong>
(b)年代trong>
(c)年代trong>
(d)年代trong>
(e)年代trong>
(f)年代trong>
因为高分和低分学生协调,我们假设他们可以通过其他渠道相互转移工具在现实生活中,因此它们可以被视为一个联盟,他们使他们的决定根据他们的平均实用程序,用红线标明的圆圈表示。
操纵学生需要做出的一个决定是高分的学生什么时候把座位让给低分的学生。如果发生seat-transfer太晚了,他们将在最后一刻应用失败的风险由于网络堵塞或其他问题。如果他们过早转移,低分的学生可能会排挤出他们喜欢的大学的名单由其他申请这所学校的学生在接下来的回合。因此,他们会选择最佳的释放的座位。在仿真中,我们尝试所有seat-transfer时间和计算相应的操纵学生的平均效用;然后,seat-transfer时间提供操纵学生将他们的最大效用最优的选择,例如,在最后期限之前第一轮<我>ρ我>= 0.01图1(一)和第十<我>ρ我>= 0.1时,11日<我>ρ我>= 0.3图1 (b)和1 (c)。在数据1 (e)和1 (f)操纵的工具总是低于nonmanipulation学生当他们释放席位,所以他们不会选择坐标。特别是,我们发现操作的实用程序区别学生和nonmanipulation学生稳定在大约15轮,所以本文所示数据显示的结果最后一轮第15轮。
学生们的另一个决定,在一个更高的层面上,是否进行协调处理。这实际上取决于有多少学生这样做。当试图协调,很少有学生等<我>ρ我>在数据= 0.01、0.1和0.31(一)- - - - - -1 (c),操纵学生的实用程序(在最优seat-transfer时间)将比nonmanipulation学生;这是因为初步录取结果中提供的信息是真实的,和很少有开关的应用操作的大学学生在截止日期之前。因此,nonmanipulation学生可能学习采用更高的效用和操纵策略的一部分manipulation-seeking学生(<我>ρ我>)将会增加。
然而,如果有太多manipulation-seeking学生,等<我>ρ我>= 0.7和0.9的数字1 (e)和1 (f)的效用nonmanipulation学生比操纵学生;这是因为信息的初步录取结果是不可靠的和有太多应用程序开关截止日期之前。因此,处理一些学生选择不将操纵策略,尽管他们有机会这样做,和部分manipulation-seeking学生(<我>ρ我>)将减少。
因此,该系统将稳定在一个<我>稳定状态我>操纵学生的效用等于nonmanipulation的学生,在哪里<我>ρ我>= 0.5图1 (d),没有操作需要切换到nonmanipulation学生,反之亦然。图2提供manipulation-seeking比率之间的关系(<我>ρ我>)和公用事业不同的学生更多的价值<我>ρ我>,我们可以看到的稳定状态<我>ρ我><年代vg height="10.1524pt" id="M7" style="vertical-align:-0.04990005pt" version="1.1" viewbox="-0.0498162 -10.1025 6.17869 10.1524" width="6.17869pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
结果1。我>年代pan>相当一部分的学生将进行实时互动机制下的协调处理。
接下来,我们将研究如何操纵影响社会福利和公平匹配的实时互动机制。社会福利是人均衡量效用为所有学生和所有的大学。我们计算的平均效用的学生和所有的大学<我>ρ我>= 0(没有操作)<我>ρ我>= 0.5(稳态操作)。我们可以看到,所有的学生从0.7199的平均效用(没有操纵)到0.7187(稳态操作),如图3(一个)。调查如何操纵和nonmanipulation学生不同的分数是协调操作的影响,我们计算的平均效用顶级(分数高于所有学生的平均分数)和低级(成绩低于平均评分)操纵和nonmanipulation学生,如图3 (b)和3 (c)。顶部和低级的平均效用nonmanipulation学生变得越来越小。顶级的原因效用nonmanipulation操纵变得更糟,高分学生座位将释放后重新提交他们的应用程序操纵低分的学生,他们将一些高分nonmanipulation学生申请大学的录取名单,然后使他们没有时间重新提交应用程序。对低级的nonmanipulation学生而言,除了上述原因之外,也因为一些席位操纵学生和大学截止分数的提高,所以他们只能选择自己不喜欢的大学。
所有大学的平均效用<我>ρ我>= 0(没有操纵)是一样的<我>ρ我>= 0.5(稳态操作),如图3 (d)。这是因为所有的大学都有相同的偏好在学生(所有学生喜欢更高的分数),和所有学校的总效用并没有改变在任何大学生匹配只要所有大学的配额兑现。然而,大学之间的效用分配不同,实用的顶级大学(公共排名1 - 15号)受损而排名的大学(30号)改善,数字显示3 (e)和3 (f)。操纵这是因为低分学生可以通过更好的排名承认大学通过成功的协调操作,导致顶尖大学接受低分学生和他们公用事业受损。相反,必须有增加公用事业的低级的大学。
大学生的公平匹配测量如下。对于每一个学生,他可以观察截止分数(所有承认学生的最低分数)的大学,他更喜欢但不承认他,如果他的分数大于任何一个截止的分数,他会感到不公平;否则,他会觉得公平。因此,<我>公平指数我>被定义为学生感到公平的比例在所有学生。图4比较公平的情况下,没有操作。当没有操纵,没有合理的嫉妒的财产延期验收机制确保没有不公平(2),与仿真结果一致,公平指数= 1。然而,在稳态操作,公平指数下滑至0.9456,这意味着大约有5%的学生觉得不公平。因此,我们的结果2如下。年代pan>
(一)年代trong>
(b)年代trong>
(c)年代trong>
(d)年代trong>
(e)年代trong>
(f)年代trong>
结果2。我>年代pan>社会福利和公平下的匹配都是损坏的实时互动机制由于操纵行为。年代pan>
4.2。操纵下MS-RIM
在本节中,我们研究多级RIM下的操纵行为。录取程序运行<我>K我>阶段,每个阶段运行<我>T我>轮。第一阶段结束后,学生成绩从<我>年代core_min我><我>+我>(<我>年代core_max-score_min我>)(<我>K我>−1)/<我>K我>来<我>年代core_max我>不能提交他们的应用程序了。同样,学生成绩从<我>年代core_min我><我>+我>(<我>年代core_max-score_min我>)(<我>K我>−2)/<我>K我>来<我>年代core_min我><我>+我>(<我>年代core_max-score_min我>)(<我>K我>−1)/<我>K我>不能再提交他们的应用程序结束后第二阶段等等。进气系统关闭后,最后一个阶段。
MS-RIM的每个阶段,我们需要找到稳定状态(<我>ρ我><年代pan class="nowrap"> )年代pan>manipulation-seeking学生的比例没有变化。类似于前一节中,我们模拟的不同的值<我>ρ我>从0到1,选择一个提供了相同的效用为操纵和nonmanipulation学生。特定的价值<我>ρ我>,学生的实用程序也取决于seat-transfer时间(<我>t我><年代ub>seat-transfer我>年代ub>操纵)的学生,当高分学生低分学生转让席位。作为理性的个人,他们会选择最优时间提供了最大的效用。因此,对于一个给定的值<我>ρ我>,我们模拟seat-transfer时间和选择提供了操纵的效用最高的学生,所表示的坚实的标志。我们逐步计算稳态,manipulation-seeking比率在稳态可能不同阶段。
两级边缘,我们首先考虑学生的决定在第一阶段,其成绩是在625年和700年之间。当一些学生试图协调(<我>ρ我>= 0.1),操纵学生的实用程序(在最优seat-transfer时间)将比nonmanipulation学生,如图5(一个)。预计更多的学生将采取这一策略。当所有的学生都愿意找到合作伙伴进行协调处理<我>ρ我>= 1),操纵学生的效用仍大于nonmanipulation学生,如图5 (b)。这意味着稳定状态<我>ρ我><年代vg height="10.1524pt" id="M12" style="vertical-align:-0.04990005pt" version="1.1" viewbox="-0.0498162 -10.1025 6.17869 10.1524" width="6.17869pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
(一)年代trong>
(b)年代trong>
(c)年代trong>
(d)年代trong>
三级RIM,同样的方法,我们发现稳态<我>ρ我><年代vg height="10.1524pt" id="M15" style="vertical-align:-0.04990005pt" version="1.1" viewbox="-0.0498162 -10.1025 6.17869 10.1524" width="6.17869pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
(一)年代trong>
(b)年代trong>
(c)年代trong>
调查上述观测和多级政策如何影响匹配结果的边缘,我们还模拟四级,五级,和six-stage RIM,所有结果总结在表1(其他参数同上)。
仿真结果平均为100分。学生愿意进行协调的比例操纵在稳定状态<我>ρ我><年代pan class="nowrap">
;年代pan>t我><年代vg height="10.1524pt" id="M19" style="vertical-align:-0.04990005pt" version="1.1" viewbox="-0.0498162 -10.1025 6.17869 10.1524" width="6.17869pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
稳定的状态<我>ρ我><年代vg height="10.1524pt" id="M20" style="vertical-align:-0.04990005pt" version="1.1" viewbox="-0.0498162 -10.1025 6.17869 10.1524" width="6.17869pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
结果3。我>年代pan>学生有更强的动机比单程RIM MS-RIM下进行协调处理。
解释结果是操纵的好处是小当有更多的学生进行协调处理。这是因为初步录取结果是不可靠的信息当大多数学生报告错误的偏好。seat-transferring的同时,协调学生可能互相影响,例如,当一个高分学生座位释放他的伙伴,选择他的首选大学,另一个学生就有可能导致申请这所大学的录取名单,他将立即重新提交一个新的大学然后不断推动另一个录取的名单,也就是说,有太多的应用程序切换前的最后期限。在多级政策下,学生在不同阶段无法协调;因此,学生可以进行协调操作的数量变得越来越小,和操纵的稀缺性使它更有利,因此,学生们更愿意采取这种行为。
我们也可以看到,操纵和效用区别nonmanipulation学生通常是更大的比早期晚期MS-RIM的特定版本。四级RIM,例如,效用的差异是0.0007,0.0018,0.0154,0.0887,1日,2日,3日,4日阶段。这个结果的原因有两方面。首先,当学生们进行协调处理在任何阶段,他们已经申请新大学的概率将失败由于网络拥塞或操作失败。自早期的学生有更高的分数,他们通常可以被好的大学录取由于他们的分数优势获得高实用程序,也就是说,额外的效用从成功操纵nonmanipulation是所有阶段大致相同,但效用损失从早期的成功操作大于,在后期阶段,这使得期望效用获得操作(包括成功和失败)nonmanipulation小于后期阶段。第二,操纵学生通常晚期转移轮的座位接近提交的最后期限,也就是最优seat-transfer时间(<我>t我><年代vg height="10.1524pt" id="M21" style="vertical-align:-0.04990005pt" version="1.1" viewbox="-0.0498162 -10.1025 6.17869 10.1524" width="6.17869pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
结果4。我>年代pan>某个版本的MS-RIM下,学生有更强的操纵的动机比早期晚期;处理学生在晚期转移他们的座位接近最后期限。
总之,多级政策边缘的复杂对匹配结果的影响。直接影响是它可以减少学生协调的机会,例如,在两级边缘学生得分700年第一阶段不能持有一个座位的学生得分550第二阶段,因为他们的最后期限提交应用程序是不同的。这就是所谓的<我>操纵机会减少影响我>多级的政策。多级政策间接影响更多的学生愿意进行协调处理,原因是,操纵变得更高的效用有更少的学生可以进行操作时,吸引更多的学生采取协调操作,例如,从<我>ρ我><年代vg height="10.1524pt" id="M23" style="vertical-align:-0.04990005pt" version="1.1" viewbox="-0.0498162 -10.1025 6.17869 10.1524" width="6.17869pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
学生福利(所有学生的平均效用)下降略低于两级比单程RIM RIM,三级RIM下急剧下降,恢复下四级RIM单程RIM的水平,和五岁以下不断增加,six-stage边缘,如第八列的表所示1,见图7(b)。这种模式主要是由许多成功的操作在不同版本的边缘,和更大的成功的操作数,较小的是学生的福利。突然下降的三级RIM也在账户下最优seat-transfer时间在第三阶段是最后一轮在最后期限之前,许多学生(包括操纵和nonmanipulation学生)排挤出录取名单和不匹配任何大学并获得零效用。
大学学生福利福利类似的模式的变化状态MS-RIM数不同,如第九列的表所示1,见图7(c),因为所有的大学有相同的偏好的学生根据他们的分数,大学平均效用不会改变不管如何匹配,只要学生和大学所有大学都完成的配额,因此大学福利是相同的单级和两级RIM因为操纵学生转移他们的座位非常早,几乎没有学生推出在最后一刻之前这两种机制下的最后期限。根据三级RIM,然而,所有操纵学生在第三阶段转移他们的座位在最后一轮在最后期限之前,许多学生被录取名单的应用大学和没有机会重新提交他们的应用程序;因此,一些大学不能履行招生配额,然后获得较小的实用程序。大学福利减少下四、五,six-stage RIM也由于未实现大学的名额,但福利减少变得小随着级数的增加得益于成功的操作数的下降。
公平指数变化类似的模式,如第九列的表所示1,见图7(d),更多的学生觉得不公平下的两年,三、四级RIM比单程RIM、少5岁以下学生感到不公平,six-stage RIM。可以预期,如果有足够的许多阶段MS-RIM,最大分差的学生一个阶段将会小于临界值协调操作(<我>年代core_diff我>),就没有协调操作了,和社会福利和公平达到最大(等于国家的价值没有操作(<我>ρ我>= 0)在图3)。操作数的结果,社会福利,公平总结如下。年代pan>
(一)年代trong>
(b)年代trong>
(c)年代trong>
(d)年代trong>
结果5。我>年代pan>在MS-RIM数量小舞台,更多的学生比单程RIM成功进行协调处理,和社会福利和公平是减少;下MS-RIM数量大舞台,有更少的成功操作学生比单程RIM和提高社会福利和公平。年代pan>
5。结论
匹配在几个过程中扮演一个重要的角色在我们的社会系统中,比如约会,婚姻,招聘,建议等等26- - - - - -30.]。在这里,我们调查的另一个实例匹配:大学申请和录取。信息和通信技术的发展使人们有可能在线大学招生过程的自动化。创新网络可以大大提高匹配算法的物理空间中相应的过程的效率。
本文研究了操纵行为的实时互动机制(RIM)最近在中国的内蒙古,采用全球其他地方。这种机制有很多优势,如透明度和实时反馈。然而,很容易被学生的协调。高分的学生可以在大学应用执行最后的开关,打开学生得分较低。这损害了社会福利和公平的录取系统。
使用基于主体建模的方法,我们研究操纵行为的实时互动机制。发现受益于操纵是积极当很少有操纵学生但消极当操作过于频繁地发生。因此,一个稳定的状态,操作和nonmanipulation学生有同等效用描述学生的战略选择的结果。模拟显示,大部分学生将选择执行操作在稳定状态和社会福利和公平被损坏。
为了应对这个问题,我们调查多级RIM (MS-RIM),不同范围的成绩给出不同期限的学生申请修改。通过强化模拟,我们确定三个多级政策的影响。它可以减少学生的机会协调由于不同的截止日期提交应用程序。然而,放大学生的动机进行协调处理由于操作机会的匮乏和顺向更高的回报。此外,它有助于避免拥挤,所有操纵学生转移他们的座位几乎同时,提高操作的成功率。
由于多级政策的联合效应,更多的学生进行协调操作成功MS-RIM下少量的阶段,和社会福利和公平是减少;在MS-RIM用大量的阶段,成功的操作数量减少和改善社会福利和公平。然而,大量的阶段意味着机制需要执行很长一段时间,可能会带来不便。作为一个暗示,一些其他政策需要真正战斗的协调操作实时互动机制,如限制时间,学生可以提交他的申请,除非他被推应用大学的录取名单。
数据可用性
使用的数据来支持这个研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是支持部分由中国国家自然科学基金(71201129和71201129),基础研究基金为中央大学(XDJK2016B008),联合贵州省科学技术基金项目部门(钱他LH子[2017]7001号),和自然科学的重大项目创新贵州队在教育部门(千焦他肯塔基州子[2017]051号)。