双边匹配指在决策过程中充分考虑各方主体的满意度要求,从而进行最优匹配的过程。以往传统的双边匹配研究大多考虑制造型供应链环境,且以静态的评价信息进行,随着众筹等互联网金融模式的兴起,融资任务下的匹配是动态且长期性的,难以对已有的服务匹配机制进行直接的应用;同时,匹配双方实际上是具有自主学习能力的独立个体,具备动态变化的新特征,需要综合考虑匹配主体的学习能力和前景感知来进行决策。因此,如何设计出更为符合平台实际需求的匹配机制成为双边匹配研究中亟待解决的难题。本文从服务匹配关系角度出发,针对服务供应链下众筹平台为中介的动态匹配决策进行了如下研究。第一,为了解决众筹平台融资过程中的服务匹配问题,本文丰富了度量指标体系,以最大化双方主体满意度为优化目标,构造基于学习效应和前景理论的一对一多目标双边匹配模型。具体地,本文考虑匹配主体本身具备自适应学习能力,提出考虑学习效应条件下累计动态学习能力计算方法,以个人期望为参照点并利用前景理论量化匹配主体对于未知风险的感知偏好,从而聚合双方匹配主体满意度;第二,以双方满意度为匹配依据,将论文模型应用于解决实际生活中众筹平台的融资问题,运用NSGA-II算法验证本文模型的有效性并求解出最优的匹配方案。最后,通过灵敏度分析发现,在实际的融资过程中,应侧重于加强匹配主体学习效应的培养,以提高成功匹配的概率以及众筹效益。综上,本研究通过对服务型供应链背景下众筹平台项目匹配整个流程的分析,构建了考虑服务供需双方满意度最大化的匹配模型,运用NSGA-Ⅱ算法求解出最优匹配方案,并结合某众筹平台的具体融资项目进行实例研究,丰富了服务型供应链下双边匹配的理论体系,希望可以为服务资源的高效匹配提供参考和帮助。