基于分治策略归并算法的考研择校指南平台研究

李博涵 王红蕾 青岛黄海学院

据最新统计，2019年研究生招生考试考生已达285万人，比去年增加47万人。但是，考研时对报考学校的选择成为很多应届生面临的首要问题。有些同学因为不了解报考的相关知识而达不到预期的报考效果，甚至有些同学因此错过了深造的机会。

1 归并算法与分治策略

对于此类问题我们首先考虑的是归并算法，于是我们在已有的归并算法基础上做出了改进。首先我们先向内存申请空间，该空间存储排序序列之和。然后设置状态指针，赋予指针初始值进行合并空间操作，这一步的目的是进行目标院校的聚类操作，设置目标状态量作为指针改进原有的归并算法，将目标院校，目标专业，师资力量，科研状况，生活环境，学习氛围以及综合排名等作为序列。同时设置新的目标状态量作为新的指针，用来合并分数、兴趣、排名等序列与前序列进行拟合，执行归并操作。

本文在数据结构上基于归并技术，但在归并技术上，我们改进的算法复杂度低，结构相对简单，实现相对容易，更实用，更适合数据聚类分析。择校系统有大量的数据，它可以被视为采样点，每个采样点都有不同的属性，输出的结果是根据候选人的需要。根据不同属性进行数据分类，从而找到最合适的学校类型信息。

2 改进的人工鱼群算法

面对庞大的数据量与筛选数值，归并算法执行起来显然力不从心，所以我们想到使用仿真技术的加持进行分治，两者配合使用有效的缩短了查询所用时间亦提高效率。

首先，输入算法的初始值，包括人工鱼的范围、位置坐标、鱼群的拥挤因子等等。将初始迭代次数设为0，然后在范围内生成n个随机人工鱼个体并计算随机初始鱼群中个体的食物浓度，并在公告栏中筛选出最大值。人工鱼群个体通过模拟鱼群的聚集和觅食行为，不断地改变其状态，经过一定时间后产生新的鱼群。每只人工鱼移动一次后，它会检查自己的状态，并将其与公告板上的状态进行比较。如果它比公告板更好，它会将其当前状态更新到公告板。最后确定迭代次数是否达到最大值，如果达到最大值，则将结果输出到公告板上，否则，将从改变状态产生新的鱼群开始继续执行。

根据人工鱼群的行为描述可以得到每条人工鱼个体都是依据其视线范围搜寻其目前所处的境以及伙伴的状况，由此达到几个局部极值附近聚集人工鱼的效果。通过这个方法我们不难发现目标函数值较大的人工鱼聚集在较大的值域附近，从而得到全局极值域。

本文将人工鱼群算法运用到择校最优解中，首先选取目标函数为考生的择校信息与某学校的相似度最高，数学模型如下：

由以上步骤可知，人工鱼算法可以在较短时间内将某个数据最近距离的极值点汇聚在一起，但是考虑到考生在检索过程中可能不会将所有元素都输入或者一些用户的检索历史比较少或者比较多，都会造成一定的误差，因此本文又采用了稀疏矩阵的方法将该系统进行进一步完善。

3 稀疏矩阵

因为考生对学校的要求比较繁多，本文将这些检索的信息进行融合，形成一种属性，根据属性相似来为数据稀疏的同学推荐一些学校。

通过计算考生检索的相似度较高的信息，将它们列成一个集合{Uk}，记录为稀疏矩阵，通过定义函数f(x，y，z)表示考生x与考生y关于某个要求的相似度。假设考生x与考生y都喜欢学术类比赛较多的学校，则 f(x，y，z)=1，否则 f(x，y，z)=0。可以通过以下算法进行描述：用 表示对学术类比赛的要求所占的比重，

之后设置一个阈值w，如果考生所输入的对学术类比赛的数据量低于w，则引入考生的属性，融合考生属性后，预测评分计算公式为：

其中N(x)表示所有与用户属性x相似的用户集合，rxi表示用户x对科技类比赛兴趣i预测值。

通过以上三种方法的结合，既可以将系统内所含院校进行一个高效的分类，又可以更智能的为用户匹配出适合自己的学校。

4 结语

本文采用计算机算法并进行初步模拟，验证了算法的可行性，但是只有算法是远远不够，我们还需要大量的数据来进行模拟，以此达到最优的效果。从国内研究现状来看，大多数学者只分析了考研择校的现状及影响因素，并没有建立考研择校指南平台，没有真正为考研学生提供便利。本项目结合软件建模和计算机算法，创建指南系统，为考研学生提供真正的便利。