考场分配方法、装置、电子设备及介质与流程

1.本技术涉及信息技术领域，尤其涉及一种考场分配方法、装置、电子设备及介质。


背景技术：

2.考场编排在现代教育考试特别是大规模考试中的重要性毋庸置疑，一个好的考场分配方式，不仅要做到节约考场数目，还要做到可以降低考生舞弊风险。
3.已知技术中或采用人工分配的方式，或采用计算机随机分配的方式，来进行考场分配。但由于人工分配的方式存在效率低下、主观影响过大的缺点，因此，已知技术中通常采用计算机随机分配的方式来进行考场分配。
4.在采用计算机随机分配考场时，通常是根据输入的考场数和考生人数，进行随机分配。基于此得到的分配结果，通常不能实现降低考生舞弊风险的效果，因此需要对该分配结果进行调整，而调整过程有时又需要花费大量的时间，才能得到合理的分配结果。


技术实现要素：

5.本技术提供一种考场分配方法、装置、电子设备及介质，用于将存在关联关系的目标考生分散，有利于得到相对公平的考场分配结果和考生座位分配结果，从而有利于促进良好的考风。
6.第一方面，本技术提供一种考场分配方法，所述方法包括：获取目标考生的考生关联信息，所述考生关联信息用于指示所述目标考生间存在关联关系；根据所述考生关联信息，得到所述目标考生的考场分配信息，所述考场分配信息包括目标考场的数量和所述目标考场的考场考生的数量；将所述考场考生的考生关联信息输入训练好的预设模型，以得到所述目标考场的考生座位分配结果。
7.在另一种可能实现的方式中，所述根据所述考生关联信息，得到所述目标考生的考场分配信息，包括：根据所述考生关联信息绘制无向图，所述无向图包括节点和边线，所述节点与所述目标考生一一对应，所述边线用于连接存在关联关系的目标考生对应的节点；根据图着色算法对所述无向图进行涂色，使所述无向图包含x种预设颜色的节点，且各所述预设颜色分别对应y个节点，所述x为所述目标考场的数量，所述y为所述目标考场的考场考生的数量。
8.在另一种可能实现的方式中，所述根据图着色算法对所述无向图进行涂色之前，所述方法还包括：根据所述无向图，确定每个节点的关联阶数和每两个节点间的关联度，所述关联阶数和与由所述节点出发的边线数量正相关，所述关联度与所述两个节点间的边线数量正相关；
所述根据图着色算法对所述无向图进行涂色，包括：根据所述图着色算法、所述关联阶数和所述关联度，对所述无向图进行涂色。
9.在另一种可能实现的方式中，所述根据所述无向图，确定每个节点的关联阶数和每两个节点间的关联度，包括：获取所述无向图中由所述节点出发的边线总数量，将所述由所述节点出发的边线总数量作为所述节点的关联阶数；获取所述无向图中每两个节点间的边线总数量，将所述每两个节点间的边线总数量作为所述每两个节点间的关联度。
10.在另一种可能实现的方式中，所述根据所述图着色算法、所述关联阶数和所述关联度，对所述无向图进行涂色，包括：按照所述关联阶数从大到小的顺序，对所述节点进行排序，得到节点排序序列；根据所述x种预设颜色，随机地对所述节点排序序列中的目标节点进行着色，所述目标节点位于所述节点排序序列的前n位，所述n大于0，且小于等于所述x；根据所述节点排序序列，依次确定各剩余节点分别对应的着色范围，所述剩余节点为所述节点排序序列中除所述目标节点外的节点，所述着色范围中包括与所述剩余节点关联度最低的剩余节点和/或目标节点对应的预设颜色；对于所述节点排序序列中的每一个剩余节点，根据所述剩余节点对应的着色范围确定目标颜色，并根据所述目标颜色对所述剩余节点进行着色。
11.在另一种可能实现的方式中，所述根据所述剩余节点对应的着色范围确定目标颜色，包括：获取所述着色范围中各个预设颜色的剩余数量，若所述着色范围中剩余数量最多的预设颜色有至少两种，则随机地将至少两种预设颜色中的一种作为目标颜色；所述剩余数量为所述y和已着所述预设颜色的节点数量之差；否则，将所述剩余数量最多的预设颜色作为目标颜色。
12.在另一种可能实现的方式中，所述将所述考场考生的考生关联信息输入训练好的预设模型之前，所述方法还包括：获取训练样本，所述训练样本包括初始考生分配结果、样本关联信息和最优考生分配结果，所述初始考生分配结果是根据样本考生随机生成的，所述样本关联信息包括所述样本考生间的预设关联关系；获取蚁群算法的预设目标函数，所述最优考生分配结果使所述预设目标函数的输出最小；所述预设目标函数为f(x)，f(x)=w1
×
md(x)+w2
×
ad(x)，其中，所述w1、所述w2均为预设权重参数，所述md(x)是与所述样本考生的移动距离正相关的得分，所述ad(x)是与所述惩罚次数正相关的得分，所述移动距离和所述惩罚次数与相邻的两个样本考生间是否存在所述预设关联关系相关；将所述初始考生分配结果和所述样本关联信息作为所述预设模型的输入，将所述最优考生分配结果作为所述预设模型的输出，对所述预设模型进行训练，以得到所述训练好的预设模型。
13.在另一种可能实现的方式中，将所述考场考生的考生关联信息输入训练好的预设模型之前，所述方法还包括：
根据所述考场考生，随机生成所述目标考场的初始座位分配结果；所述将所述考场考生的考生关联信息输入训练好的预设模型，包括：将所述初始座位分配结果和所述考场考生的考生关联信息输入所述训练好的预设模型。
14.第二方面，本技术提供一种考场分配装置，所述装置包括：获取模块，用于获取目标考生的考生关联信息，所述考生关联信息用于指示所述目标考生间存在关联关系；分配模块，用于根据所述考生关联信息，得到所述目标考生的考场分配信息，所述考场分配信息包括目标考场的数量和所述目标考场的考场考生的数量；所述分配模块，还用于将所述考场考生的考生关联信息输入训练好的预设模型，以得到所述目标考场的考生座位分配结果。
15.在另一种可能实现的方式中，所述分配模块具体用于：根据所述考生关联信息绘制无向图，所述无向图包括节点和边线，所述节点与所述目标考生一一对应，所述边线用于连接存在关联关系的目标考生对应的节点；根据图着色算法对所述无向图进行涂色，使所述无向图包含x种预设颜色的节点，且各所述预设颜色分别对应y个节点，所述x为所述目标考场的数量，所述y为所述目标考场的考场考生的数量。
16.在另一种可能实现的方式中，所述分配模块还用于：根据所述无向图，确定每个节点的关联阶数和每两个节点间的关联度，所述关联阶数和与由所述节点出发的边线数量正相关，所述关联度与所述两个节点间的边线数量正相关；所述分配模块具体用于：根据所述图着色算法、所述关联阶数和所述关联度，对所述无向图进行涂色。
17.在另一种可能实现的方式中，所述分配模块具体用于：获取所述无向图中由所述节点出发的边线总数量，将所述由所述节点出发的边线总数量作为所述节点的关联阶数；获取所述无向图中每两个节点间的边线总数量，将所述每两个节点间的边线总数量作为所述每两个节点间的关联度。
18.在另一种可能实现的方式中，所述分配模块具体用于：按照所述关联阶数从大到小的顺序，对所述节点进行排序，得到节点排序序列；根据所述x种预设颜色，随机地对所述节点排序序列中的目标节点进行着色，所述目标节点位于所述节点排序序列的前n位，所述n大于0，且小于等于所述x；根据所述节点排序序列，依次确定各剩余节点分别对应的着色范围，所述剩余节点为所述节点排序序列中除所述目标节点外的节点，所述着色范围中包括与所述剩余节点关联度最低的剩余节点和/或目标节点对应的预设颜色；对于所述节点排序序列中的每一个剩余节点，根据所述剩余节点对应的着色范围确定目标颜色，并根据所述目标颜色对所述剩余节点进行着色。
19.在另一种可能实现的方式中，所述分配模块具体用于：获取所述着色范围中各个预设颜色的剩余数量，若所述着色范围中剩余数量最多
的预设颜色有至少两种，则随机地将至少两种预设颜色中的一种作为目标颜色；所述剩余数量为所述y和已着所述预设颜色的节点数量之差；否则，将所述剩余数量最多的预设颜色作为目标颜色。
20.在另一种可能实现的方式中，所述分配模块还用于：获取训练样本，所述训练样本包括初始考生分配结果、样本关联信息和最优考生分配结果，所述初始考生分配结果是根据样本考生随机生成的，所述样本关联信息包括所述样本考生间的预设关联关系；获取蚁群算法的预设目标函数，所述最优考生分配结果使所述预设目标函数的输出最小；所述预设目标函数为f(x)，f(x)=w1
×
md(x)+w2
×
ad(x)，其中，所述w1、所述w2均为预设权重参数，所述md(x)是与所述样本考生的移动距离正相关的得分，所述ad(x)是与所述惩罚次数正相关的得分，所述移动距离和所述惩罚次数与相邻的两个样本考生间是否存在所述预设关联关系相关；将所述初始考生分配结果和所述样本关联信息作为所述预设模型的输入，将所述最优考生分配结果作为所述预设模型的输出，对所述预设模型进行训练，以得到所述训练好的预设模型。
21.在另一种可能实现的方式中，所述分配模块还用于：根据所述考场考生，随机生成所述目标考场的初始座位分配结果；所述分配模块具体用于：将所述初始座位分配结果和所述考场考生的考生关联信息输入所述训练好的预设模型。
22.第三方面，本技术提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的方法。
23.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的方法。
24.本技术提供的一种考场分配方法、装置、电子设备及介质，本技术的方法由电子设备执行，电子设备在进行考场分配时，首先获取目标考生的考生关联信息，根据考生关联信息来得到目标考场及目标考场内考场考生。对于每个目标考场，电子设备将考场考生的考生关联信息输入训练好的预设模型中，得到考生座位分配结果。
25.通过本技术的方法，电子设备在根据目标考生进行考场分配时，考虑了每个目标考场内考场考生的关联关系，以不使具备关联关系的考场考生相邻为目标，得到最终的考场座位分配结果，从而有利于使同一目标考场中，存在关联关系的考场考生不相邻，从而降低了目标考场内的考场考生因相互熟识而作弊的风险，进而有利于促进良好的考风。
附图说明
26.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施
例，并与说明书一起用于解释本技术的原理。
27.图1a为本技术实施例提供的一种考场分配方法的流程示意图一；图1b为本技术实施例提供的一种基于考生关联信息绘制的无向图示例图；图2a为本技术实施例提供的一种无向图着色方法的流程示意图；图2b为本技术实施例提供的一种无向图着色示例图；图3为本技术实施例提供的一种考场分配方法的流程示意图二；图4为本技术实施例提供的一种考场分配装置的结构示意图；图5为本技术实施例提供的一种电子设备的结构示意图。
28.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
29.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
30.随着社会的发展与进步，学校以及社会中各种各样的考试均有较大增量。对于每场考试而言，以一个合理的考场编排方法来进行考场分配，是十分重要的。合理的考场编排方式要求考场及考场座位编排公平，且考场利用率最大化。
31.目前的考场编排方法多采用人工分配和计算机随机分配两种方式，采用人工分配的方式来进行考场编排时，难以做到抵制人情、公平排位，且工作量大、效率低下。因此，已知技术中，考试尤其是大规模考试，常采用计算机随机分配的方式来进行考场分配。
32.在采用计算机随机分配的方式进行考场分配时，用户输入考场数、考场人数和目标考生，计算机根据目标考生的总人数、考场数和考场人数，随机地为目标考生分配考场，以得到考场分配结果。
33.在上述的计算机随机分配的过程中，并未考虑目标考生间的关联关系，从而可能会导致存在关联关系的目标考生位于同一考场，甚至该目标考生座位也相邻，如此，便增大了目标考生与邻座相熟的目标考生协同作弊的风险，从而不利于考试的公平公正、不利于促进良好的考风。因此，已知技术中，为了维护考试的公平公正，还需要再依据当前的分配结果进行调整，排查存在关联关系的考生，直至分配结果合理。可见，已知技术的分配方式均因需要花费不少时间，而存在分配效率低下的缺点。
34.本技术提供一种考场分配方法、装置、电子设备及介质，本技术的方法由任一电子设备执行，本技术的方法将使目标考场中存在关联关系的考场考生不相邻作为目标，来进行分配。具体的，电子设备首先获取目标考生间的关联关系，然后根据目标考生及目标考生间的关联关系绘制无向图，并通过对无向图进行涂色，得到期望数量的目标考场及目标考场内的考场考生。最后根据训练好的预设模型，对目标考场内的考场考生进行座位分配，得到目标考场内的考生座位分配结果。
35.本技术中，通过无向图来表示目标考生及目标考生间的关联关系，表达清楚、简
单，不易遗漏关联关系，从而有利于准确地得到一种有利于维护考试公平公正的分配结果。此外，本技术中采用图着色算法对无向图进行涂色以进行考场分配，并通过训练好的预设模型来对考场内的考生进行座位分配，整个过程无人为干预，一方面降低了人为主观因素的影响，有利于维护考试的公平公正，另一方面解决了已知技术中考场分配效率低下、准确率低下的问题。
36.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
37.图1a为本技术实施例提供的一种考场分配方法的流程示意图一，图1b为本技术实施例提供的一种基于考生关联信息绘制的无向图示例图。下面结合图1a和图1b，对本实施例的方法进行详细说明。如图1a所示，本实施例的方法包括以下内容：s101，获取目标考生的考生关联信息。
38.其中，考生关联信息用于指示目标考生间存在关联关系。
39.具体的，电子设备在对某一场考试进行考场分配时，需求参与本场考试的考生为目标考生。考生关联信息包括基础关联信息和其他关联信息，基于此，关联关系包括基础关联关系和其他关联关系。本实施例中，基础关联信息指示目标考生与其他目标考生，因就读班级、居住宿舍、居住地、所属院校等考生基础信息一致，而具备基础关联关系。其他关联关系指示目标考生与其他目标考生因存在参加过一样的活动、交换过社交账号等社交过往，而具备其他关联关系。
40.在本实施例中，电子设备从参与本场考试的考生基础信息中获取基础关联信息，从考生填写的调查问卷来获取其他关联关系。具体的，对于面向社会考生组织的考试，电子设备从考生报名系统中获取基础关联关系和其他关联关系，对于面向学校考生组织的考试，电子设备从校内的学生信息库获取基础关联关系，通过收集考生填写的调查问卷来获取其他关联关系。
41.s102，根据考生关联信息，得到目标考生的考场分配信息。
42.其中，考场分配信息包括目标考场的数量和目标考场的考场考生的数量。
43.在本实施例中，电子设备通过绘制无向图、对无向图进行涂色的方式来得到目标考生的考场分配信息。具体的，无向图包括节点和边线，节点与目标考生一一对应，边线用于连接存在关联关系的目标考生对应的节点。
44.可以理解的是，在本实施例中，无向图的节点数目与参与本场考试的目标考生的数量相等，相邻两节点间的边线数量与两节点分别对应的两个目标考生间的关联关系的数量相等。示例性的，对于面向学校考生组织的考试，若根据考生关联信息得知目标考生a与目标考生b只有就读班级一致，则目标考生a与目标考生b间关联关系的数量为1。若目标考生a与目标考生b的就读班级、居住宿舍一致，且目标考生a与目标考生b参加过两次一样的活动，则目标考生a与目标考生b间关联关系的数量为3。
45.在此基础上，假设参与本场考试的有a、b、c、d、e、f六位目标考生，若根据考生关联信息得知，a和c交换过社交账号，a与d的就读班级一致且交换过社交账号，a与f的居住宿舍一致且参加过两次一样的活动，b与d参加过一次一样的活动，b与e的居住宿舍一致，b与f交换过社交账号，c与f的就读班级一致，d和f交换过社交账号。则根据这些目标考生的考生关
联信息绘制出的无向图如图1b所示，图1b中的1、2、3、4、5、6六个节点分别对应a、b、c、d、e、f六位目标考生。由图1b可知，a与c之间的关联关系的数量为1，a与d之间的关联关系的数量为2，a与f之间的关联关系的数量为3，b与d之间的关联关系的数量为1，b与e之间的关联关系的数量为1，b与f之间的关联关系的数量为1，c与f之间的关联关系的数量为1，d和f之间的关联关系的数量为1。
46.可选的，在实际应用中，若目标考生a与目标考生b参加过两次一样的活动，则还可以设置目标考生a与目标考生b间关联关系的数量为1，即不根据参加同一活动的次数累加关联关系的数量，若未参加过一样的活动，则关联关系不加1，若参加过一样的活动，则关联关系加1，且只加1。本实施例中不对关联关系的数量与参加同一活动的次数的对应关系进行限定。
47.进一步的，根据图着色算法对无向图进行涂色，使无向图包含x种预设颜色的节点，且各预设颜色分别对应y个节点。
48.其中，x为目标考场的数量，y为目标考场的考场考生的数量。
49.可以理解的是，目标考场的数量和目标考场的考场考生的数量均是用户的期望值，因此，电子设备需要提前使用户输入目标考场的数量和目标考场的考场考生的数量。在此基础上，电子设备在根据考生关联信息得到无向图后，使用图着色算法对无向图进行涂色，并使无向图只包含x种预设颜色的节点，且有每y个节点着同一预设颜色，以区分不同目标考场的考场考生。
50.在本实施例中，预设颜色是电子设备从颜色库中随机抽取的。在实际应用中，预设颜色还可以由用户输入，电子设备获取，本实施例中不对此进行限定。
51.电子设备对无向图中的节点进行涂色时，考虑各个节点所表示的目标考生间的关联关系，尽量使存在关联关系的目标考生对应的节点着不同的预设颜色。在实际应用中，也可以随机地对无向图中的节点进行涂色，只要最终可以得到x种预设颜色的节点，且每种预设颜色对应y个节点即可，本实施例中不对其进行限定。
52.可选的，在实际应用中，电子设备还可以通过训练好的网络模型对目标考生进行分配，其中，网络模型在训练时以使存在关联关系的目标考生不在同一目标考场为训练目标，并以考场数量、考场考生数量作为输入、最优分配方案作为目标输出，进行训练。训练好的网络模型在使用时，在获取到目标考场的数量和目标考场的考场考生的数量后，就可以得到考场分配方案，此处不再赘述。在实际应用中，电子设备还可以通过其它方式根据考生关联信息，得到目标考生的考场分配信息，本实施例中不对此进行限定，只要能实现尽可能使存在关联关系的目标考生不处于同一目标考场即可。
53.s103，将考场考生的考生关联信息输入训练好的预设模型，以得到目标考场的考生座位分配结果。
54.其中，预设模型在训练时的目标为：目标考场中存在关联关系的考场考生不相邻。
55.具体的，在得到各个目标考场的考场考生后，对于每个目标考场，电子设备将考场考生的考生关联信息输入训练好的预设模型中，以得到目标考场的考生座位分配结果。在本实施例中，预设模型是根据蚁群算法训练的，在实际应用中，也可以通过其它算法来训练预设模型，只要将“使目标考场中存在关联关系的考场考生不相邻”作为训练目标即可，本实施例中不对此进行限定。
56.本实施例提供的考场分配方法，由电子设备执行，电子设备首先获取目标考生的考生关联信息，并根据考生关联信息绘制无向图。然后通过图着色算法对无向图进行涂色，得到期望数量、期望考场考生数量的目标考场。最后对于每个目标考场，电子设备将其对应的考场考生的考生关联信息输入训练好的预设模型中，以得到目标考场的考生座位分配结果。
57.由上述过程可知，电子设备在根据目标考生进行考场分配时，考虑了每个目标考场内考场考生的关联关系，以不使具备关联关系的考场考生相邻为目标，得到最终的考场座位分配结果，从而有利于降低考场考生因相熟且相邻而协同作弊的风险，进而有利于维护本次考试的公平公正、促进优良的考试考风。
58.图2a为本技术实施例提供的一种无向图着色方法的流程示意图，图2b为本技术实施例提供的一种无向图着色示例图。下面结合图2a和图2b，对本实施例的方法进行详细说明。具体地，本实施例在上述方法实施例的基础上，对如何对无向图涂色进行详细说明说明。如图2a所示，本实施例的方法包括以下内容：s201，获取无向图中由节点出发的边线总数量，将由节点出发的边线总数量作为节点的关联阶数。
59.在本实施例中，对于每个节点，电子设备首先通过无向图确定由该节点出发的边线总数量，然后获取该边线总数量，最后将该边线总数量作为该节点的关联阶数。示例性的，对于如图1b所示的无向图，对于用于表示目标考生a的节点1来说，由于从节点1出发的边线总数量为6，因此，节点1的关联阶数为6。对于用于表示目标考生b的节点2来说，由于从节点2出发的边线总数量为3，因此，节点2的关联阶数为3。
60.s202，获取无向图中每两个节点间的边线总数量，将每两个节点间的边线总数量作为每两个节点间的关联度。
61.在本实施例中，对于每两个节点，电子设备首先通过无向图确定这两个节点间是否连接有边线、以及边线总数量，然后获取边线总数量，最后将该边线总数量作为这两个节点间的关联度。可以理解的是，若这两个节点间未连接有边线，则这两个节点间的边线总数量为0。
62.示例性的，在图1b中，对于用于表示目标考生b的节点2和用于表示目标考生c的节点3来说，电子设备根据该无向图示例图可知，节点2和节点3之间未连接有边线，因此节点2和节点3的边线总数量为0，进一步的，节点2和节点3之间的关联度为0。对于用于表示目标考生a的节点1和用于表示目标考生f的节点6来说，电子设备根据该无向图示例图可知，节点1和节点6之间连接有边线，边线总数量为3，因此可以确定节点1和节点6的关联度为3。
63.可选的，在实际应用中，在根据由节点出发的边线总数量确定该节点的关联阶数时，可以设置预设权重，电子设备在获取到边线总数量时，使边线总数量乘以预设权重，以得到关联阶数。本实施例中不对得到关联阶数的方式进行限定，只要使关联阶数与由该节点出发的边线总数量正相关即可。
64.同样的，在根据每两个节点间的边线总数量确定这两个节点间的关联度时，也可以设置预设权重，使这两个节点间的边线总数量乘以预设权重，以得到关联度。本实施例中不对得到关联度的方式进行限定，只要使关联度与对应的两个节点间的边线总数量正相关即可。
65.s203，按照关联阶数从大到小的顺序，对节点进行排序，得到节点排序序列。
66.具体的，电子设备根据各个节点的关联阶数的大小，对无向图中的各个节点进行排序，得到节点排序序列。
67.在本实施例中，若存在至少两个节点的关联阶数一致，则在得到节点排序序列时，不限定这至少两个节点的先后顺序，示例性地，若有节点1、节点2、节点3、节点4、节点5五个节点，其分别对应的关联阶数为2、3、2、2、1，则得到的节点排序序列可以为{节点2，节点1，节点3，节点4，节点5}，也可以是{节点2，节点3，节点1，节点4，节点5}，还可以是{节点2，节点4，节点3，节点1，节点5}，本实施例中不对至少两个关联阶数一致的节点的先后顺序进行限定。
68.s204，根据x种预设颜色，随机地对节点排序序列中的目标节点进行着色。
69.其中，目标节点位于节点排序序列的前n位，n大于0，且小于等于x。
70.在本实施例中，电子设备获取由用户输入的x种预设颜色。电子设备在对无向图进行着色时，首先确定节点排序序列中的目标节点，然后根据x中预设颜色，随机地对目标节点进行着色。可以理解的是，目标节点的数量与x相等。
71.可选的，在实际应用中，还可以由用户指定为无向图中的哪个目标节点涂哪种预设颜色，本实施例中不对此进行限定。
72.s205，根据节点排序序列，依次确定各剩余节点分别对应的着色范围。
73.其中，剩余节点为节点排序序列中除目标节点外的节点，着色范围中包括与剩余节点关联度最低的剩余节点和/或目标节点对应的预设颜色。
74.在本实施例中，电子设备首先确定剩余节点，然后根据节点排序序列，依次确定每个剩余节点的着色范围。每个剩余节点着色范围，是由与剩余节点关联度最低的剩余节点和/或目标节点对应的预设颜色决定的。
75.具体的，在s202中，电子设备已经得到了每两个节点间的关联度。基于此，电子设备对于每个剩余节点，首先获取与其关联度最低的节点，可以理解的是，该节点可能是目标节点，也可能是剩余节点，且由于与该剩余节点关联度最低的节点可能不止一个，因此，与该剩余节点关联度最低的节点可能同时包括目标节点和剩余节点。
76.其次，电子设备获取与该剩余节点关联度最低的剩余节点和/或目标节点对应的预设颜色。最后，将这些预设颜色中，颜色不同的预设颜色作为着色范围中的颜色。可以理解的是，对于与该剩余节点关联度最低的剩余节点来说，可能存在与该剩余节点关联度最低的剩余节点还未被着色的情况，因此，电子设备在获取到与该剩余节点关联度最低的剩余节点和/或目标节点时，将还未着色的剩余节点剔除。
77.可选的，对于与该剩余节点关联度最低的剩余节点来说，若存在与该剩余节点关联度最低的剩余节点还未被着色时，电子设备在获取这些还未被着色的剩余节点的预设颜色时，将这些剩余节点的预设颜色记为空。
78.s206，在对节点排序序列中的每一个剩余节点进行着色时，获取剩余节点对应的着色范围中各个预设颜色的剩余数量。
79.其中，剩余数量为y和已着预设颜色的节点数量之差。
80.s207，若着色范围中剩余数量最多的预设颜色有至少两种，则随机地将至少两种预设颜色中的一种作为目标颜色。
81.s208，若着色范围中剩余数量最多的预设颜色只有一种，则将预设颜色作为目标颜色。
82.s209，根据目标颜色对剩余节点进行着色。
83.具体的，电子设备对于剩余节点的着色范围中的每个预设颜色，首先获取无向图中已着该预设颜色的节点数量，然后计算y与已着预设颜色的节点数量的差值，以得到剩余数量。
84.进一步的，电子设备剩余节点的着色范围中剩余数量最多的预设颜色，并判断是否有至少两种剩余数量最多的预设颜色，若是，则电子设备随机地将至少两种剩余数量最多的预设颜色中的一种作为目标颜色。否则，电子设备将剩余数量最多的预设颜色作为目标颜色。最后，电子设备根据目标颜色对当前剩余节点进行着色。
85.如图2b所示，对于如图1b所示的无向图示例图，电子设备根据该无向图示例图获取到每个节点的关联阶数，以及每两个节点间的关联度。然后按照关联阶数从大到小的顺序对各个节点进行排序，得到的节点排序序列为{节点1，节点6，节点4，节点2，节点3，节点5}。
86.此时，若用户需求将这六位目标考生，分到三个目标考场，则可以向电子设备中输入3种预设颜色。根据3种预设颜色和节点排序序列对各个节点进行着色。
87.具体的，如图2b中的（二）所示，电子设备将节点排序序列中的前三位的节点1、节点6、节点4作为目标节点，随机地根据三种预设颜色为这三个目标节点进行着色。在图2b中，分别以横杠、竖杠、点三种填充方式来表示三种预设颜色。
88.进一步的，根据节点排序序列，依次确定节点2、节点3、节点5的着色范围。具体的，对于节点2，电子设备获取到与节点2关联度最低的剩余节点和/或目标节点为节点1和节点3，其中节点3为未着色节点，因此，节点2的着色范围包括节点1的预设颜色，电子设备将节点1的预设颜色中作为目标颜色，对节点2进行着色，得到图2b中的（三）。
89.对于节点3，电子设备获取到与节点3关联度最低的剩余节点和/或目标节点有节点2、节点4和节点5，其中，节点5为未着色节点，因此，节点3的着色范围包括节点2和节点4对应的预设颜色。进一步的，由于节点2对应的预设颜色的剩余数量为0，而节点4对应的预设颜色的剩余数量为1，因此，将节点4对应的预设颜色作为目标颜色，对节点3进行着色，得到图2b中的（四）。
90.对于节点5，电子设备获取到与节点5关联度最低的剩余节点和/或目标节点有节点1、节点3、节点4和节点6，因此，节点5的着色范围包括节点1、节点3、节点4和节点6对应的预设颜色。由于节点1、节点3和节点4的预设颜色的剩余数量为0，节点6的预设颜色的剩余数量为1，因此，将节点6对应的预设颜色作为目标颜色，对节点5进行着色，得到图2b中的（五）。
91.可选的，在实际应用中，还可以以关联阶数从小到大的顺序对各个节点进行排序，得到节点排序序列，只要后续步骤中依旧使电子设备先对关联阶数大的节点进行着色即可，本实施例中不对此进行限定。
92.通过本实施例的方法，电子设备在根据图着色算法对节点进行涂色，以得到x个目标考场时，就考虑了目标考生间的关联关系，从而进一步降低了使存在关联关系的目标考生相邻的可能性，进而更加有利于维护考试的公平公正、促进良好的考风。
93.图3为本技术实施例提供的一种考场分配方法的流程示意图二，具体的，本实施例在前述实施例的基础上，着重对如何分配目标考场的考生座位进行详细说明。如图3所示，本实施例的方法包括：s301，获取训练样本。
94.其中，训练样本包括初始考生分配结果、样本关联信息和最优考生分配结果，初始考生分配结果是根据样本考生随机生成的，样本关联信息包括样本考生间的预设关联关系。
95.具体的，电子设备获取大量的历史得到的最优考生分配结果，及其对应的样本关联信息和初始考生分配结果。可以理解的是，初始考生分配结果是电子设备根据该场考试的样本考生随机生成的，最优考生分配结果是通过对初始考生分配结果进行调整得到的，且最优考生分配结果应使存在预设关联关系的样本考生不相邻。
96.s302，获取蚁群算法的预设目标函数。
97.其中，最优考生分配结果使预设目标函数的输出最小；预设目标函数为f(x)，f(x)=w1
×
md(x)+w2
×
ad(x)，其中，w1、w2均为预设权重参数，md(x)是与样本考生的移动距离正相关的得分，ad(x)是与惩罚次数正相关的得分，移动距离和惩罚次数与相邻的两个样本考生间是否存在预设关联关系相关。
98.s303，将初始考生分配结果和样本关联信息作为预设模型的输入，将最优考生分配结果作为预设模型的输出，对预设模型进行训练，以得到训练好的预设模型。
99.具体的，电子设备根据蚁群算法对预设模型进行训练，因此，电子设备应首先设置蚁群算法的预设目标函数。
100.进一步的，将初始考生分配结果和样本关联信息作为预设模型的输入，并以最优考生分配结果作为预设模型的输出，训练预设模型，以得到训练好的预设模型。
101.s304，根据考场考生，随机生成目标考场的初始座位分配结果。
102.s305，将初始座位分配结果和考场考生的考生关联信息输入训练好的预设模型，以得到目标考场的考生座位分配结果。
103.具体的，基于上述训练好的预设模型，电子设备在对目标考场的考场考生进行座位分配时，首先根据目标考场的考场考生随机地生成一种座位分配方案，作为初始座位分配结果。
104.其次，电子设备将初始座位分配结果和考场考生对应的考生关联信息输入训练好的预设模型中。预设模型在收到输入时，首先判断初始考生分配结果中是否存在两个相邻的样本考生间存在预设关联关系，若是，则使预设目标函数的惩罚次数累加一次，并移动该两个相邻的样本考生，同时计算两个相邻的样本考生的移动距离总和。然后结合预设权重系数，得到此时预设目标函数的输出。最后迭代前述计算过程，直至预设目标函数的输出最小时，将当前对应的分配方案作为考生座位分配结果，并输出考生座位分配结果。本实施例提供的方法中，在对预设模型进行训练时，以使同一考场中存在预设关联关系的考生不相邻为目标，从而使得预设模型在使用时，有利于得到使存在关联关系的考场考生不相邻的考生座位分配结果。
105.上述实施例从方法流程的角度介绍一种考场分配方法，下述实施例从虚拟模块或虚拟单元的角度介绍了一种考场分配装置，具体详见下述实施例。
106.本技术实施例提供一种考场分配装置，图4为本技术实施例提供的一种考场分配装置的结构示意图。如图4所示，本实施例的装置包括获取模块41和分配模块42。
107.其中，获取模块41，用于获取目标考生的考生关联信息，考生关联信息用于指示目标考生间存在关联关系；分配模块42，用于根据考生关联信息，得到目标考生的考场分配信息，考场分配信息包括目标考场的数量和目标考场的考场考生的数量；分配模块42，还用于将考场考生的考生关联信息输入训练好的预设模型，以得到目标考场的考生座位分配结果。
108.本技术实施例的另一种可能实现的方式中，分配模块42具体用于：根据考生关联信息绘制无向图，无向图包括节点和边线，节点与目标考生一一对应，边线用于连接存在关联关系的目标考生对应的节点；根据图着色算法对无向图进行涂色，使无向图包含x种预设颜色的节点，且各预设颜色分别对应y个节点，x为目标考场的数量，y为目标考场的考场考生的数量。
109.本技术实施例的另一种可能的实现方式，分配模块42还用于：根据无向图，确定每个节点的关联阶数和每两个节点间的关联度，关联阶数和与由节点出发的边线数量正相关，关联度与两个节点间的边线数量正相关；分配模块42具体用于：根据图着色算法、关联阶数和关联度，对无向图进行涂色。
110.本技术实施例的另一种可能的实现方式，分配模块42具体用于：获取无向图中由节点出发的边线总数量，将由节点出发的边线总数量作为节点的关联阶数；获取无向图中每两个节点间的边线总数量，将每两个节点间的边线总数量作为每两个节点间的关联度。
111.本技术实施例的另一种可能的实现方式，分配模块42具体用于：按照关联阶数从大到小的顺序，对节点进行排序，得到节点排序序列；根据x种预设颜色，随机地对节点排序序列中的目标节点进行着色，目标节点位于节点排序序列的前n位，n大于0，且小于等于x；根据节点排序序列，依次确定各剩余节点分别对应的着色范围，剩余节点为节点排序序列中除目标节点外的节点，着色范围中包括与剩余节点关联度最低的剩余节点和/或目标节点对应的预设颜色；对于节点排序序列中的每一个剩余节点，根据剩余节点对应的着色范围确定目标颜色，并根据目标颜色对剩余节点进行着色。
112.本技术实施例的另一种可能的实现方式，分配模块42具体用于：获取着色范围中各个预设颜色的剩余数量，若着色范围中剩余数量最多的预设颜色有至少两种，则随机地将至少两种预设颜色中的一种作为目标颜色；剩余数量为y和已着预设颜色的节点数量之差；否则，将剩余数量最多的预设颜色作为目标颜色。
113.本技术实施例的另一种可能的实现方式，分配模块42还用于：获取训练样本，训练样本包括初始考生分配结果、样本关联信息和最优考生分配
memory，ram)、磁盘或者光盘等各种可以存储程序代码的介质，具体地，该计算机可读存储介质中存储有程序指令，程序指令用于实现上述各实施例中的方法。
122.本技术实施例中还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
123.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
124.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。

技术特征：
1.一种考场分配方法，其特征在于，所述方法包括：获取目标考生的考生关联信息，所述考生关联信息用于指示所述目标考生间存在关联关系；根据所述考生关联信息，得到所述目标考生的考场分配信息，所述考场分配信息包括目标考场的数量和所述目标考场的考场考生的数量；将所述考场考生的考生关联信息输入训练好的预设模型，以得到所述目标考场的考生座位分配结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述考生关联信息，得到所述目标考生的考场分配信息，包括：根据所述考生关联信息绘制无向图，所述无向图包括节点和边线，所述节点与所述目标考生一一对应，所述边线用于连接存在关联关系的目标考生对应的节点；根据图着色算法对所述无向图进行涂色，使所述无向图包含x种预设颜色的节点，且各所述预设颜色分别对应y个节点，所述x为所述目标考场的数量，所述y为所述目标考场的考场考生的数量。3.根据权利要求2所述的方法，其特征在于，所述根据图着色算法对所述无向图进行涂色之前，所述方法还包括：根据所述无向图，确定每个节点的关联阶数和每两个节点间的关联度，所述关联阶数和与由所述节点出发的边线数量正相关，所述关联度与所述两个节点间的边线数量正相关；所述根据图着色算法对所述无向图进行涂色，包括：根据所述图着色算法、所述关联阶数和所述关联度，对所述无向图进行涂色。4.根据权利要求3所述的方法，其特征在于，所述根据所述无向图，确定每个节点的关联阶数和每两个节点间的关联度，包括：获取所述无向图中由所述节点出发的边线总数量，将所述由所述节点出发的边线总数量作为所述节点的关联阶数；获取所述无向图中每两个节点间的边线总数量，将所述每两个节点间的边线总数量作为所述每两个节点间的关联度。5.根据权利要求3或4所述的方法，其特征在于，所述根据所述图着色算法、所述关联阶数和所述关联度，对所述无向图进行涂色，包括：按照所述关联阶数从大到小的顺序，对所述节点进行排序，得到节点排序序列；根据所述x种预设颜色，随机地对所述节点排序序列中的目标节点进行着色，所述目标节点位于所述节点排序序列的前n位，所述n大于0，且小于等于所述x；根据所述节点排序序列，依次确定各剩余节点分别对应的着色范围，所述剩余节点为所述节点排序序列中除所述目标节点外的节点，所述着色范围中包括与所述剩余节点关联度最低的剩余节点和/或目标节点对应的预设颜色；对于所述节点排序序列中的每一个剩余节点，根据所述剩余节点对应的着色范围确定目标颜色，并根据所述目标颜色对所述剩余节点进行着色。6.根据权利要求5所述的方法，其特征在于，所述根据所述剩余节点对应的着色范围确定目标颜色，包括：
获取所述着色范围中各个预设颜色的剩余数量，若所述着色范围中剩余数量最多的预设颜色有至少两种，则随机地将至少两种预设颜色中的一种作为目标颜色；所述剩余数量为所述y和已着所述预设颜色的节点数量之差；否则，将所述剩余数量最多的预设颜色作为目标颜色。7.根据权利要求1所述的方法，其特征在于，所述将所述考场考生的考生关联信息输入训练好的预设模型之前，所述方法还包括：获取训练样本，所述训练样本包括初始考生分配结果、样本关联信息和最优考生分配结果，所述初始考生分配结果是根据样本考生随机生成的，所述样本关联信息包括所述样本考生间的预设关联关系；获取蚁群算法的预设目标函数，所述最优考生分配结果使所述预设目标函数的输出最小；所述预设目标函数为f(x)，f(x)=w1
×
md(x)+w2
×
ad(x)，其中，所述w1、所述w2均为预设权重参数，所述md(x)是与所述样本考生的移动距离正相关的得分，所述ad(x)是与惩罚次数正相关的得分，所述移动距离和所述惩罚次数与相邻的两个样本考生间是否存在所述预设关联关系相关；将所述初始考生分配结果和所述样本关联信息作为所述预设模型的输入，将所述最优考生分配结果作为所述预设模型的输出，对所述预设模型进行训练，以得到所述训练好的预设模型。8.根据权利要求7所述的方法，其特征在于，将所述考场考生的考生关联信息输入训练好的预设模型之前，所述方法还包括：根据所述考场考生，随机生成所述目标考场的初始座位分配结果；所述将所述考场考生的考生关联信息输入训练好的预设模型，包括：将所述初始座位分配结果和所述考场考生的考生关联信息输入所述训练好的预设模型。9.一种考场分配装置，其特征在于，所述装置包括：获取模块，用于获取目标考生的考生关联信息，所述考生关联信息用于指示所述目标考生间存在关联关系；分配模块，用于根据所述考生关联信息，得到所述目标考生的考场分配信息，所述考场分配信息包括目标考场的数量和所述目标考场的考场考生的数量；所述分配模块，还用于将所述考场考生的考生关联信息输入训练好的预设模型，以得到所述目标考场的考生座位分配结果。10.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至8任一项所述的方法。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的方法。

技术总结
本申请提供一种考场分配方法、装置、电子设备及介质，该方法包括：获取目标考生的考生关联信息，考生关联信息用于指示目标考生间存在关联关系；根据考生关联信息，得到目标考生的考场分配信息，考场分配信息包括目标考场的数量和目标考场的考场考生的数量；将考场考生的考生关联信息输入训练好的预设模型，以得到目标考场的考生座位分配结果。本申请的方法，有利于得到公平的考生座位分配结果。有利于得到公平的考生座位分配结果。有利于得到公平的考生座位分配结果。


技术研发人员：薛慧 张小超 王超 张岩 杭承政 马千里 周苏霞 蔡益平
受保护的技术使用者：浙江海亮科技有限公司
技术研发日：2023.07.06
技术公布日：2023/8/6