在大多数排名前游戏中，匹配系统是通过系统/算法，利用全球队列玩家的人口，产生优化某些或所有这些属性的比赛：

  1. 玩家技能均衡
  2. 俱乐部技能均衡
  3. 匹配发现速度快
  4. 玩家Ping / 延迟良好
  5. 角色协同作用
  6. 集合大小合理

这些属性是因为，通常情况下，在技能相当的玩家之间的竞争是最有趣的。可能是因为50:50的机会产生了1比特的香农熵，而一旦你达到30:70的机会，你就会失去约0.12比特的香农熵或者-12%。

理论上，算法可以等待直到它认为是50:50的局面，但是玩家可能会离开游戏如果队列太长。虽然12%可能是太大了，但在40:60的情况下游戏只 experience 失去 -2.6%熵。这意味着匹配算法可以为了不等待而让出不理想的情况，前提是它在合理的限度内。

虽然这6个属性听起来不错并且可以实现，但是似乎还存在一个无法解释的断裂。匹配系统的实际目标并不是匹配系统想要实现的那样。

匹配系统的目的就是创建具备竞争性和有趣的游戏，以满足玩家的要求。虽然这意味着排名前 Elo 位于风险之中，但什么也代表了只有一个合理的游戏类型。

当前的匹配算法则假设-only 只有一个正确的游戏是与60:40非常接近的，而完全忽略了更有趣的选择可能性。

例如，有一个人口池包含的玩家想要玩高牌位玩家，可能是因为他们想要提高速度或他们试图提高.rank 的 Elo 值。这名玩家无法决定玩高牌位玩家。让我们把这个群体称为A

同样地，有一个群体的只想赢，想要玩low牌位玩家，但他们无法玩，系统无法识别这一偏好。让我们称这个群体B。

理想的匹配系统应该将A队伍与B队伍进行匹配然后根据Elo进行奖惩。

类似地，有些玩家可能会想玩只有一个角色，可能会无聊，但有一些玩家对此完全无所谓。这整个选项都被排斥掉，有时是意图的，有时是算法的设计导致的意外。

这样一种精心挑选的算法是可能的，并且已经在其他领域部署了。例如：使用了拒绝管道的应用比如TikTok、Uber以及Tinder都是这样的。

TikTok 使用视频滚动作为拒绝表示，Tinder使用滑动拒绝，Uber则允许司机拒绝叫车。

与以上所有不同的，绝大多数匹配系统都会故意加重拒绝，这种作为后果使系统疏漏，游戏会因为多次拒绝的匹配而给予匹配重置加重。

现代匹配系统应该能够接受拒绝作为匹配。匹配系统会:

  1. 在基于拒绝的匹配中告知算法什么样的匹配更受欢迎。
  2. 改善用户体验的质量。
  3. 总体而言，降低队列时间。

如何实施这个匹配系统？

在UI/UX层面，呈现给用户的确认/拒绝选项，包括有关信息以利于玩家更好地确定其偏好，例如，团队/敌人.rank 分布以及Elo delta在赢/输中，以及角色偏好，集合大小和Ping延迟。

在系统层面，保持原始匹配算法可能是必要的，以便为新玩家创造游戏环境，这些玩家可能没有rank知窘迫和可能不会拒绝匹配。一段时间后，将这些玩家转移到新匹配算法中，该算法更愿意探索、利用玩家的偏好，并可能提供不平衡的游戏的保证安全地拒绝不满玩家。