鮑亮 031402401 李陳輝 031402409

---

問題描述：

編碼實現一個畢設導師的智能匹配的程序。提供輸入包括：30個老師（包含帶學生數的要求的上限，單個數值，在[0,8]內），100個學生（包含績點信息），每個學生有5個導師志愿（志愿的導師可以重復但不能空缺）。實現一個智能自動分配算法，根據輸入信息，輸出導師和學生間的匹配信息（一個學生只能有一個確認導師，一個導師可以帶少于等于其要求的學生數的學生）及未被分配到學生的導師和未被導師選中的學生。

---

問題分析

該問題的難點在于：學生填寫的志愿會偏重于某些導師，導致許多選熱門導師的學生最后選不到（由于績點等原因相對較低），而冷門導師又收不到預期人數的學生。
為了解決該問題制定以下原則：

• 保證匹配結果越多學生選到導師越好；
• 只有選了該導師的學生才有可能成為他的學生；
• 學生的五個志愿平行，志愿順序不影響結果；
• 選擇導師的學生數超出導師預期收取的人數時，按績點高低選取。

---

算法設計

為每位導師設置一個權重值p[i]，與導師要求人數n[i]，選取此導師的學生數s[i]存在如下關系：

該式子的意義是，把n-s的值作為導師被選取的第一優先標準，n的值作為第二優先標準（乘以系數0.1表示其比第一優先標準低一個優先級）。
設置圖G[StudentNum][TeacherNum]表示學生選擇的導師，初始化如下：i學生選擇了j老師，則置G[i][j]=1，否則G[i][j]=0。
現設計算法如下：

計算每個導師p值

選取p值最高的導師i，取出該導師（不再放回）,導師總數tn減去1

若是s[i]=0，轉步驟1；否則若p[i]>0轉步驟4，若p[i]<=0轉步驟5

對于選擇了i的每個學生j,取出該學生（不再放回），輸出：該學生為i的學生，若G[j][k]=1(k=0,1,2...TNUM)，則G[j][k]=0,s[k]減去1。轉步驟6

選取選擇了i的學生中績點排前n[i]的學生，取出該學生（不再放回），輸出：該學生為i的學生，若G[j][k]=1(k=0,1,2...TNUM)，則G[j][k]=0,s[k]減去1。

若tn<0，算法結束；否則轉步驟1。

---

代碼實現

隨機生成以下數據

void InitGradePoints(vector<double> &g){ //初始隨機績點 for(int i=0;i<SNUM;i++){g.push_back((double)rand()/RAND_MAX*4.0+1.0);} } void InitPeoLimit(vector<int> &p){ //初始隨機導師設定人數 for(int i=0;i<TNUM;i++){p.push_back(rand()%8+1);} } void InitZ(int z1[],int z2[],int z3[],int z4[],int z5[]){//初始隨機學生志愿 for(int i=0;i<SNUM;i++){z1[i]=rand()%TNUM;z2[i]=rand()%TNUM;z3[i]=rand()%TNUM;z4[i]=rand()%TNUM;z5[i]=rand()%TNUM;} }

導師權重初始化

for(int i=0;i<TNUM;i++){ //計算權重值 t[i]=PeoLimit[i];power[i]+=t[i]*1.1;}for(int i=0;i<SNUM;i++){score[i]=GradePoints[i];choose=Z1[i];g[i][choose]=1;choose=Z2[i];g[i][choose]=1;choose=Z3[i];g[i][choose]=1;choose=Z4[i];g[i][choose]=1;choose=Z5[i];g[i][choose]=1;}for(int i=0;i<SNUM;i++){ //遍歷圖g，計算權重值 for(int j=0;j<TNUM;j++){if(g[i][j]==1){ power[j]-=1.0;s[j]+=1;} }}

每取出一個學生，對圖G、各導師權重、學生數更新

void update(int g[][TNUM],int i,double power[],int s[]){for(int j=0;j<TNUM;j++){if(g[i][j]==1){ g[i][j]=0;power[j]+=1.0; //更新權重 s[j]-=1; //學生數減少 }} }

ps:輸入輸出采用文本文件的方式輸入

---

測試結果

測試樣本為100個學生，30個老師，輸入數據隨機生成，統計10次實驗結果如下

分析:通過上圖可知落選的學生占比極低，為0%至3%，平均是0.7人；而老師落選率則相對較高，最高達23.3%，平均是4.7人，由于這個算法考慮的是使學生盡量選到導師，績點因素則是次要因素，所以出現以上的情況。

---

---

結對感受：

Salaka:感覺有了具體的項目做就很明確，在分析問題的時候更有針對性了。和隊友討論分析導師分配問題的時候也探討了許多的方案，在這個過程中學習到了很多。本來在討論前期的時候，我們想用很粗略的算法把這個問題解決，后來覺得這樣落選的學生就會很多。于是我們討論了約一個晚上的時間，終于一步一步把這個問題逐漸量化。討論清楚了以后就開始寫代碼了，隊友解決問題的能力真是神速，我也很配合地完成了自己的部分，所以很開心。

yuaoi:兩個人結對確實會發生奇妙的化學反應，兩個人的思維碰撞產生的火花是一個人獨自思考得不到的。我們兩個在對算法的討論中，各抒己見，并對對方的想法的漏洞提出質疑，才使想法不斷改進。兩個人分工編程考驗了我們的合作能力，將兩個程序結合是一個痛苦的過程，但在對友的幫助下我找到自己程序的漏洞，最后成功合并了我們的代碼。

附源代碼鏈接及測試結果：

　https://coding.net/u/Salaka/p/Tutor-distribution/git

轉載于:https://www.cnblogs.com/codingbylch/p/5918102.html

總結

以上是生活随笔為你收集整理的第二次结对编程作业——毕设导师智能匹配的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。