在我的应用中，人们可以满分10分给其他人打分。我想每天午夜都实施一种算法，为每个人计算出最佳的“匹配度”。 在一天结束时，例如：
(ID_person_who_gave_mark, ID_person_who_received_mark, mark)
(1, 2, 7.5) // 1 gave to 2 a 7.5/10
(1, 3, 9) // etc..
(1, 4, 6)
(2, 1, 5.5)
(2, 3, 4)
(2, 4, 8)
(3, 1, 3)
(3, 2, 10)
(3, 4, 9)
(4, 1, 2)
// no (4, 2, xx) because 4 didn't gave any mark to 2
(4, 3, 6.5)
在算法的最后，我希望每个人都拥有最佳的匹配，这是“使每个人都快乐”的最佳折衷。
在我的例子中，我想说，人1给了9/10到3，但人3给了3/10到1，所以他们绝对不能匹配，人给1了7.5 / 10给2，而人2给了5.5 / 10比1，为什么不呢？最后，1给出6/10到4，而4给出2/10到1，所以它们无法匹配（低于5/10 =他们不能匹配）。因此，对于人1来说，唯一的匹配将是2，但是我也必须检查将1匹配也适合2。
2给出4/10到3，所以（2,3）结束（低于5/10），但是2给出8/10到4，所以（2,4）保持2酷得多（2,1）。 让我们看看4：4没有给2加上任何分数，因此它们无法匹配：2剩下一种可能性：我们进行匹配（2-1）
让我们看一下3：1结束了（3/10），2结束了3（10/10）超酷，但是2给出了3/10，所以结束了。 3给出了很酷的9/10到4，所以也很好。让我们检查4：4给出2/10到1，所以它超过了1（低于5/10），给出了一个非常漂亮的6.5到3。因此，最佳匹配最终在4到3之间。
所以我们的最后一场比赛是这样的例子：（1-2）和（3-4）
即使像我刚才那样直观地做到这一点，找到合适的行为来计算所有这些信息也很复杂。
您能帮我“数学化”这样的目的，以便有一个可以为例如50000个人做这种计算的算法吗？或者至少，在什么研究领域中我可以获得更多信息来有效地解决这一问题？