基于随机算法的组卷策略设计

本文以在线考试系统组卷为研究背景,设计了组卷模块架构,在随机组卷算法中引入了题量、题型、知识点、难度和时间等约束条件,采用高分优先、难度限制、时间限制和随机抽取等原则选择试题,组成较为精确的试卷,为在线考试系统的组卷提供了新的方法和思路。     

一种基于改进遗传算法的组卷算法

为了能更好地解决组卷质量和组卷速度之间的矛盾,提出了一种基于整数分段编码的遗传算法．该算法在保证组卷预期效果的前提下,不仅搜索速度快,而且能够避免遗传算法中经常出现的“早熟现象”,具有很好的收敛性和实用性．实践结果表明,该方法可以有效地解决智能组卷中的约束优化问题．     

基于优化遗传算法的智能组卷系统研究

智能组卷技术是计算机无纸化考试系统中一项必不可少的重要技术,而改进组卷算法和提高组卷质量已成为当前的研究热点.重点分析研究组卷算法,通过建立组卷数学模型,结合遗传算法理论解决考试系统中的智能组卷问题.在选择算子中采用适应度排序在前一半的个体进入下一代的繁殖;在交叉算子中采用最优保持策略;在成卷前调整试卷知识点的分布.使组卷算法在不同的要求下都能得到较为满意的效果.智能组卷在通用计算机考试系统建设中具有较高的应用价值.     

自动组卷难易度合理评估的算法设计

自动组卷的合理性评估是计算机辅助考试系统中的一个重要环节,其直接关系到组卷质量的高低.对试题难易度的合理性进行研究,并以正态分布作为理论依据,提出合理评估算法的设计方案.     

基于遗传算法的自动组卷技术

针对网络考试系统中的组卷需求,建立组卷的数学模型,采用整数编码策略,将遗传算法进行改进并应用到自动组卷模块中.测试结果表明,该算法能够较好地完成智能组卷工作,提高组卷的质量和效率.     

一种改进的粒子群优化算法在智能组卷系统中的应用

本文提出了一种改进的粒子群优化算法,并将其应用于智能组卷系统。设计智能组卷算法的数学软件模型,并且改进传统的粒子群优化算法惯性权重为非线性形式。为了验证这一算法,进行了计算研究。结果证实,此算法能够成功应用于智能组卷,组卷成功率高于遗传算法和传统的粒子群优化算法。     

基于遗传算法的考试系统组卷算法设计

本文分析了考试系统中的组卷问题,结合遗传算法,从算法预处理、编码方法、初始化群体、适应度函数、选择算子、交叉算子和变异算子这几个方面,详细地研究了如何采用遗传算法解决组卷问题。并且通过实验数据,与随机抽取算法和其它组卷算法作比较,说明了本算法的优越性。     

基于遗传算法的自动组卷策略与实现

结合遗传算法的原理和思想,对考试自动组卷的问题进行了研究,建立了实现抽题的数学模型,通过实例分析,获得了与考试试题控制属性指标符合的试题模型的解决方法。     

一种新的差分进化约束优化算法

对于约束优化问题,目前提出的差分进化算法大多采用罚函数法,但此方法对罚参数有很强的依赖性.基于此,把约束优化问题中的约束条件当作一个目标函数,从而把约束优化问题转化为有两个目标函数的多目标优化问题.借鉴多目标优化中的Pareto的概念,对种群中的个体规定等级,便于在优胜劣汰过程中确定选择概率.同时,在算法陷入局部最优时,采用一种不可行解替换机制来提高算法搜索能力.对13个标准测试问题的测试结果表明,与动态惩罚函数的进化算法、可行性规则的差分进化算法、采用随机排序的进化策略以及人工免疫响应约束进化策略相比,新算法在求解精度上均具有一定的优势.     

基于多目标约束数学模型的组卷算法研究

针对计算机辅助测试中试卷生成问题的约束指标,详细设计了试题的数据结构,在解决试卷难度、曝光度和章分数约束的基础上,建立了组卷问题的多目标约束数学模型.以此数学模型作为适应度评价函数,利用遗传算法进行组卷.在组卷过程中,完成了编码方案和遗传算子的优化设计.     

基于SFLA-PSO算法的几何约束求解

为提高求解几何约束问题的效率和收敛性,将几何约束问题等价为求解非线性方程组问题。并将约束问题转化为一个优化问题,采用基于混洗蛙跳（SFLA：Shuffled Frog Leaping Algorithm）和粒子群优化（PSO：Particle Swarm Optimization）算法求解该问题。SFLA-PSO算法采用将SFLA和PSO二者相结合的方法,利用PSO算法进行族群局部搜索,利用SFLA的多种群的进化方法进行族群的混选,相互取长补短,以达到收敛速度快和全局搜索的目的。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

基于遗传模拟退火算法约束求解算法

针对基于图构造方法的可扩展性差的缺陷,根据遗传模拟退火算法,结合空问约束求解,提出了基于遗传模拟退火算法的约束求解算法,解决了过约束和欠约束的问题,可扩展性也得到了提高．而且基于遗传模拟退火算法的约束求解算法有很强的全局搜索与局部快速收敛能力,从而提高了约束求解的效率．     

基于混沌优化和网格筛选策略的多目标分布估计算法

为了解决多目标分布估计算法中进化速度慢、解精度和分布不佳等问题,提出一种基于混沌优化和网格筛选策略的多目标分布估计算法.该算法首先利用混沌模型进行种群的初始化,以获得较理想的初始化结果;然后运用混沌的局部优化策略对每代产生的非支配个体进行寻优,加速种群向Pareto最优前沿的逼近;最后利用简单的网格筛选策略保持个体的均匀分布,从而增强精英种群的多样性.3种评价标准在8个测试问题上的实验表明:与目前最具代表性的RM-MEDA算法相比,该算法不仅在接近真实的最优前沿和保持种群的多样性方面具有一定优势,而且在进化速度上也有较大提高.     

基于DNA编码的多重约束目标的智能组合优化

在组卷策略中,多重约束目标的智能组合优化问题一直是人们研究的热点．大多数的优化算法都是基于传统的遗传算法,这些算法的适应度不高,并且交叉算子和变异算子对适应度的影响很大．针对这些缺陷,本文提出了一种新的优化算法DNA_YH算法,该算法将DNA编码引入到多重约束目标的组合优化问题中,并完成了DNA编码、初始化种群、个体适应度计算和遗传操作的优化过程．经过实验证明DNA_YH算法的最优适应度高于其他相关算法,并且交叉算子和变异算子对适应度的影响都很小,得到了较好的优化效果．     

基于遗传算法的结构动力响应支撑位置优化

采用整数编码、种群隔离机制、算术杂交、非均匀随机变异等新理论设计了新的广义遗传算法,并探索性地提出了异种机制以防止算法发生早熟收敛。将该算法应用于结构动力响应的支撑位置优化问题。数值算例表明。带有异种机制的新广义遗传算法能够解决具有抗弯刚度的结构动力响应支撑位置优化问题,对于求解复杂的结构动力响应支撑位置优化具有较强的的适用性。     

粒子群算法和Qos约束对EIGRP度量算法的优化

针对EIGRP协议无法适应高速复杂网络、不考虑服务质量的缺点,提出了一种基于粒子群算法和Qos约束路由的计算EIGRP混合度量值的算法.分析了EIGRP协议计算路径开销主要依据的五个指标在应用中的特点,并在此基础上建立模型,将粒子群算法应用到该模型中实现路径的寻优.仿真结果表明,粒子群算法用于该模型中能够得到很好的收敛速度和寻优结果.     

Constrained Optimization Algorithm Based on Double Populations

In order to improve the distribution and convergence of constrained optimization algorithms, this paper proposes a constrained optimization algorithm based on double populations. Firstly the feasible solutions and infeasible solutions are stored separately through two populations, which can avoid direct comparison between them. The usage of efficient information carried by the infeasible solutions will enlarge exploitation scope and strength diversity of populations. At the same time, adopting the presented concept of constraints domination to update the infeasible set may keep good variety of population and give consideration to convergence. Also the improved mutation operation is employed to further raise the diversity and convergence. The suggested algorithm is compared with 3 state-of-the-art constrained optimization algorithms on standard test problems g₀₁-g₁₃. Simulation results show that the presented algorithm has certain advantages than other algorithms because it can ensure good convergence accuracy while it has good robustness.     

一种基于成对约束的特征选择改进算法

基于成对约束的特征选择算法通过度量单个特征的重要性得到一个特征序列,但由单个重要特征构成的特征子集未必是最有效的.为此,提出了一种基于成对约束的特征选择改进算法,该算法采用对特征子集进行度量的策略,逐步选择使新的特征子集最有效的特征,从而得到一个有效的特征序列.实验表明新提出的算法是有效可行的.     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

保持语义约束的混合内联算法的改进

在分析混合内联算法的基础上,对该算法在模式映射过程中缺乏语义映射问题,提出一种保持语义约束的改进混合内联算法.改进的混合内联算法采用XML Sche-ma模式,在语义映射过程中将XML Schema模式中的默认值、12种刻面约束facts等对应到关系模式中的取值约束,实现保持取值约束的模式映射.通过实例分析,说明改进的混合内联算法可以使映射后的关系模式保留更贴近的语义信息.