我经营异性配对服务。我有我的男性客户和我的女性客户。我需要根据几个属性（年龄、兴趣、性格类型、种族、身高、星座等）将我的每个客户与他们的“灵魂伴侣”配对。
在我创建完所有配对后，会有某种分数来评估我的比赛质量。
我无法将一个男人与多个女人相匹配，反之亦然。我还想尽量减少不匹配的客户数量。
根据客户的属性想出一种方法来匹配我的客户的最佳算法是什么？
同样，这是一个玩具示例。我的实际用例完全不同。
编辑：
分数是在配对级别计算的，然后求和。通过查看两对的新分数，我可以计算出当我交换伙伴时分数的变化情况。我确实可以访问指标的内部，但它很复杂。我没有任何限制，除了为了我自己的理智，我更希望它快速简单。
尽管您可能会找到一种将机器学习 (ML) 应用于此优化问题的方法，但它看起来没有必要，而且可能会分散注意力。如果评分系统很复杂，或者大多数匹配的数据不完整，并且需要从一些更有限的属性集计算匹配分数估计，ML 可能会有所帮助。
相反，您似乎有一个组合优化问题。一个众所周知的例子是旅行推销员问题。
有许多可能的算法来解决这类问题。选择哪一个可能取决于数据的其他特征，例如计算分数的速度 - 无论是针对整个数据集还是针对单个更改。如果计算更改的速度足够快，您可以使用从完整（但尚未优化）解决方案中工作的优化器并进行更改。
有一本名为Clever Algorithms (Nature-Inspired Programming Recipes)的免费 PDF/书，涵盖了所有不同优化器中的选择。这可以让您在算法的速度和可靠性方面找到最佳的东西。
这是一个你可以尝试的简单的事情
创建一个“贪婪”的解决方案
细化解决方案
可以通过各种方式更改此例程，以利用您的问题的各个方面。在您的情况下，一件好事，使旅行推销员问题更容易，是您对有效配对没有任何限制。在 TSP 中，您关心的是制作单个电路，而不是多个单独的循环，这会限制您进行更改的方式，而在您的情况下，您的每一对都是完全独立的。
可能的算法改进的一个示例：您可以预先计算每个人的前 N 个匹配的分数，并且在考虑局部变化时仅在这些匹配中搜索。
Gale-Shapley 算法，也称为 SMP稳定匹配问题。
当只有一种物品而不是两组物品时，另请参阅 SRP Stable Roommates Problem 。