基于混合整数线性优化的住院医师匹配算法改进研究：提升Top3匹配率与系统稳定性

【编辑推荐】为解决传统Gale-Shapley算法在住院医师匹配中全局优化不足的问题，研究人员通过混合整数线性优化（MILP）开发新型"住院医师优化器"。分析2011-2021年6990名申请人数据发现，新算法使申请人平均匹配排名提升0.45位（2.40 vs 2.85），Top3匹配率提高7.5%（78.4% vs 70.9%），同时消除未匹配岗位，为医疗人才分配系统升级提供实证依据。

　　

这项质量改进研究颠覆性地对比了两种住院医师匹配算法的性能。传统Gale-Shapley算法虽能保证"稳定婚姻解"（stable-marriage solution），但混合整数线性优化（Mixed-Integer Linear Programming, MILP）构建的"住院医师优化器"展现出更强优势。

通过对2011-2021年间眼科住院医师匹配数据的回溯分析（涉及6990名申请人，年均114.6个项目），优化算法使申请人匹配排名均值从2.85跃升至2.40，项目方匹配质量也从2.97提升到2.65。更惊艳的是，Top3项目匹配成功率从70.9%飙升至78.4%，相当于每年多让41名申请人圆梦理想项目。

在应对"截断排名列表"（capped rank list）挑战时，优化算法展现出惊人韧性——完全消除未匹配岗位，年均减少2.4个空置项目。对于令人头疼的"情侣匹配"（couple matching）难题，其成功率也显著超越传统算法。这些发现为医疗教育资源配置提供了算法级改进方案，证明全局效用优化（global utility optimization）能同时提升供需双方满意度。