随着近几年共享经济的兴起,各式各样的双边匹配问题不断涌现,如打车软件中的司机与乘客之间的匹配、共享民宿中的房主与租客之间的匹配、共享快递中的送件人与快递包裹之间的匹配等等。双边匹配问题涉及到双边匹配主体,如何充分利用匹配主体给出的偏好信息进行双边匹配决策是一个难题;另外,当双边匹配主体规模非常大时,采用遍历解空间的方法求解模型会非常浪费时间,因此设计一种快速求解模型算法成为一个值得研究的问题。本文主要研究匹配主体没有给出全部偏好信息时,利用矩阵分解技术填充用户缺失偏好值,并对传统模拟退火算法进行改进来求解匹配模型,具体做了以下工作。基于矩阵分解,本文提出了一种当匹配主体未给出全部偏好值时双边匹配问题的解决方法,该方法利用匹配主体已经给出的偏好值,充分挖掘匹配主体的潜在偏好,从而预测匹配主体未给出的偏好值;另外该方法还能够解决多属性双边匹配问题中权重难以确定的难题。将匹配主体对属性的偏好权重隐含到已经给出的偏好值中,从而不需要人为给出权重,避免个体主观性对匹配结果的影响。针对预测偏好值超出规定区间的情况,提出一种偏好值映射机制,使超出规定区间的预测偏好值能合理地映射到给定区间内。提出改进的模拟退火算法求解双边匹配模型,主要改进点有:(1)初始解选择策略:算法开始时随机选择多个解,并选取使目标函数获得最优的解开始进行迭代,优化算法前期搜索过程;(2)内外循环双阈值设置:能够判断当前解是否稳定,如果解重复出现多次即认为抽样稳定,跳出当前循环,降低循环的执行时间;(3)退温函数动态选择:当前解优于历史均解时选择退温较快的退温函数,当前解劣于历史均解时选择退温较慢的退温函数,加速退温过程;(4)最优状态记录:记录历史搜索到的最优解,避免算法因概率性选择差解而错过最优解。最后通过求解双边匹配实例验证了改进后的算法在求解质量和求解效率上都比改进前的高。