本研究提出了一种新算法，旨在解决多代理资源受限匹配市场中的去中心化学习问题，从而提高动态匹配市场的学习效率。

本文探讨了带平局的匹配市场，指出不严格偏好会导致无法找到唯一稳定匹配。作者提出通过随机不稳定匹配来近似工人的最佳稳定效用，并提供了一种在平局环境中有效选择匹配的算法。研究表明，即使存在平局，仍能有效最大化工人的效用分享。

该研究提出了一种分散、不需要协调的算法，能够在结构化匹配市场中实现稳定匹配。该算法仅基于代理人自己的游戏历史，不需要预先了解企业的偏好。研究表明，在代理人和企业的底层偏好具有现实结构假设的情况下，该算法具有最多对数增加的后悔成本。竞争不会极大地影响该算法在匹配市场中的性能。