该研究探讨了在线学习在竞争环境下的问题，并提出了一种分散、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。研究结果表明，该算法在代理人和企业的底层偏好具有现实结构假设的情况下，具有较低的后悔成本。竞争对该算法的性能影响不大。

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。