本文提出了三种新的整数规划公式，旨在增强肾移植交换市场的可行性，通过应用实例展示这些公式的高效性。

Jun, 2016

本文旨在提供两种可扩展的健壮方法来处理肾脏交换中的不确定性，并在现实数据中展示健壮性的好处，从而使得在鲜为人知的市场上实现公正。

Nov, 2018

本文研究肾脏交换问题，提出如果肾脏交换兼容性图可以用固定数量的患者和捐献者属性来编码，则可以在多项式时间内清除肾脏交换问题。

May, 2016

该论文提供一种评估肾脏交换中个体权重的全流程方法，首先确定了一份患者分类指南，然后对参与者进行对比调查，并从中有条不紊地估计权重并将其用于市场清算算法中用于优先级排序的目的。

May, 2020

肾脏交换计划通过动态算法选择器官交换，学习算法提高整体效果，尤其强调公平性与等待时间的减少。而决定交换计划效果的关键因素是对非指定捐赠者的负权重分配。

Sep, 2023

介绍了一种基于学习的方法来解决 NP 困难的图形肾脏交换问题，这种方法包括使用图形神经网络和搜索启发式。结果表明，使用这种方法的解决方案的质量要比使用传统启发式方法的解决方案高出 1.1 倍。

Apr, 2023

通过对匹配算法的研究，我们发现在多肾移植患者管理中，若使用三元循环等技术，较短时间的等待也能显著提高捐赠和移植的成功匹配概率，同时这也能对政策制定提供理论和实验基础。

Jan, 2013

本文解决了现代肾脏交换中公平代价的理论问题，并提出了一种平衡严格词典型偏好顺序和效率最大化的综合公平规则。该规则具有一个参数，可以通过制定政策进行调整。实验结果表明，与其他公平规则相比，该规则更能产生可靠的结果。

Feb, 2017

本文提出、实现并评估了一种对肾脏交换领域的病人进行优先排序的方法，该方法基于人类对特定困境的反应，动态地确定了病人的优先权重，并得到了实验验证的效果。

Jun, 2020

为了应对肾脏分配面临的紧迫挑战，本研究旨在开发一个数据驱动的解决方案，并融入利益相关者的价值观。通过使用 “两两对比肾脏患者在线调查” 数据，经过个人、团体和稳定性三个层面的评估，我们运用机器学习分类器来学习个人和团体层面对肾脏分配的偏好。通过将利益相关者的偏好融入肾脏分配过程，我们致力于推进器官移植的伦理维度，促进道德价值观融入算法决策，以实现更加透明和公平的实践。

Jan, 2024