技術領域

本發明屬于智能化的寢室分組領域，具體涉及一種基于合并分組算法的寢室分組方法。

背景技術

對于需要長期住校的學生來說，開學伊始，就會面臨如何分配寢室的問題，現目前，學校基本上都是人為的隨機的進行寢室分配的，這種分配寢室的方式存在的問題的是：1、人力成本高，且分配效率低；2、無法根據每個學生的興趣愛好以及生活習慣等，即根據學生的相似度進行合理分配，不利于后續營造和諧良好的寢室氛圍。雖然現在有出現根據一些簡單的分組規則進行隨機分組的智能分組方式，解決了上述的第1個問題，但是仍無法根據學生的相似度進行個性化的合理的分組。

發明內容

本發明的一個目的是提供一種基于合并分組算法的寢室分組裝置，以提高寢室分配效率，降低人工分配的成本，同時根據學生的相似度智能化的分配寢室，有助于營造和諧的寢室氛圍。

基于合并分組算法的寢室分組裝置，包括采集模塊，所述采集模塊用于采集每個學生在寢室分配上關注的若干個點，作為特征項；

特征項權重計算模塊，通過兩兩比較法計算每個特征項的權重；

學生相似度計算模塊，通過特征項和各個特征項權重計算出學生間的相似度；

寢室分組模塊，通過合并分組算法循環迭代為學生分配寢室。

進一步，所述寢室分組模塊，還用于在寢室分組過程中產生的寢室超編，通過計算寢室內學生的相似度，保留相似度高的幾個學生，將相似度低的學生分離出來繼續參與寢室的分配。

進一步，在特征項權重計算模塊中，所述的兩兩比較法是指：將一個用于比較的特征項與另一個用于被比較的特征項進行比較，若兩個特征項同等重要，則兩個特征項均取相同的數值，若用于比較的特征項比用于被比較的特征項略微重要，則用于比較的特征項比用于被比較的特征項數值要高，若用于比較的特征項比用于被比較的特征項重要得多，則用于比較的特征項比用于被比較的特征項數值進一步提高，對每個特征項分別進行兩兩比較后所賦予的數值求和，針對各個特征項的求和進行歸一化處理，得到各個特征項的權重值。

進一步，在學生相似度計算模塊中，計算學生相似度的方式是：每個學生作為一個n維的向量，每個特征項的權重是向量的一個維度，通過歐氏距離計算出的兩個向量間的距離，即用于評價學生間的相似度。

進一步，寢室分組模塊中，先把每個學生單獨分一個寢室，放入一個待分組隊列Ungrouped，遍歷Ungrouped，找到相似度最高的兩個寢室m、n，合并為一個新寢室并加入Ungrouped，移除m、n，重復上述步驟，直到寢室人滿為止。

本發明的另一目的是提供一種基于合并分組算法的寢室分組方法，包括以下內容：1)特征項的采集步驟：通過采集模塊采集每個學生在寢室分配上關注的若干個點，作為特征項；

2)特征項權重的計算步驟：采用兩兩比較法計算每個特征項的權重；

3)學生相似度的計算步驟：通過特征項和各個特征項權重計算出學生間的相似度；

4)寢室分組的步驟：通過合并分組算法循環迭代為學生分配寢室。

進一步，還包括5)寢室超編的處理步驟，當寢室超編時，通過計算寢室內學生的相似度，保留相似度高的幾個學生，將相似度低的學生分離出來繼續參與寢室的分配。

進一步，在2)特征項權重的計算步驟中，所述的兩兩比較法是指：將一個用于比較的特征項與另一個用于被比較的特征項進行比較，若兩個特征項同等重要，則兩個特征項均取相同的數值，若用于比較的特征項比用于被比較的特征項略微重要，則用于比較的特征項比用于被比較的特征項數值要高，若用于比較的特征項比用于被比較的特征項重要得多，則用于比較的特征項比用于被比較的特征項數值進一步提高，對每個特征項分別進行兩兩比較后所賦予的數值求和，針對各個特征項的求和進行歸一化處理，得到各個特征項的權重值。

進一步，在3)學生相似度的計算步驟中，計算學生相似度的方式是：每個學生作為一個n維的向量，每個特征項的權重是向量的一個維度，通過歐氏距離計算出的兩個向量間的距離，即用于評價學生間的相似度。

進一步，在4)寢室分組的步驟中，先把每個學生單獨分一個寢室，放入一個待分組隊列Ungrouped，遍歷Ungrouped，找到相似度最高的兩個寢室m、n，合并為一個新寢室并加入Ungrouped，移除m、n，重復上述步驟，直到寢室人滿為止。