匹配和定价是双边市场中连接需求和供应的两个关键杠杆。 该平台可以通过批量处理需求请求来产生更有效的匹配和定价决策。 我们开始研究有或没有定价的两阶段随机匹配问题，以使平台能够批量做出改进的决策，并着眼于即将到来的未来需求请求。 这个问题部分是由在线市场中的应用程序驱动的，例如叫车平台。我们为顶点加权（或未加权）两阶段随机匹配设计了在线竞争算法，以最大限度地提高供应效率，以及两阶段联合匹配和定价，以最大限度地提高市场效率。 在前一个问题中，使用应用于一系列“平衡”凸程序的随机原始对偶算法，我们获得了最佳离线基准的最佳 3/4 竞争比率。 使用揭示程序的因子和与子模块优化的连接，我们将该比率相对于最佳在线基准提高到 (1−1/e+1/e^2) ≈ 0.767（对于未加权的情况）和 0.761（对于加权情况）。 在后一个问题中，我们借鉴了事前先知不等式文献的思想，设计了最优的 1/2 竞争联合定价和匹配算法。 我们还展示了一种改进的（1-1/e）竞争算法，用于使用子模函数的相关间隙的需求效率目标的特殊情况。 最后，我们通过使用滴滴的成都市拼车数据集来补充我们的理论研究，并在这个问题的实际实例中数值评估我们提出的算法的性能。
