改进的遗传算法在智能组卷中的应用研究

讨论智能组卷问题求解的理论模型,根据人工智能中的遗传算法的原理和思想,通过采用新的编码方式、交叉算子和变异算子等方法,利用自适应遗传算法实现单套和成批试卷生成.通过实例分析,实验结果表明该组卷方法具有组卷成功率高和组卷速度快的优点.     

基于改进遗传算法智能组卷的研究

通过建立智能组卷数学模型,研究了改进遗传算法在智能组卷算法中的应用,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。     

浅析遗传算法在智能组卷系统中的应用

该文介绍了遗传算法的基本原理和构成要素,分析了遗传算法的特点,在遗传算法的研究基础上,找到了一个很好的策略过程应用于智能试卷,提高运行的速度,避免了标准算法容易早熟现象,具有更好的健壮性,是一种很有发展潜力的优化方法。     

基于改进遗传算法的智能组卷方法

组卷问题是一个多约束多目标优化问题。建立了一种新的试卷矩阵数学模型,提出了改进的遗传算法编码方式,并通过改进初始群体的产生方法和遗传算子,有效提高了遗传算法的收敛速度,并较好地避免了局部收敛现象。实验结果表明,在试题库试题数量适中、分布合理的情况下,本算法产生的试卷能够很好满足各项组卷指标。     

浅析遗传算法在智能组卷系统中的应用

该文介绍了遗传算法的基本原理和构成要素,分析了遗传算法的特点,在遗传算法的研究基础上,找到了一个很好的策略过程应用于智能试卷,提高运行的速度,避免了标准算法容易早熟现象,具有更好的健壮性,是一种很有发展潜力的优化方法。     

基于改进遗传算法的智能组卷在试题库建设中的研究

智能组卷是计算机辅助教学（CAI）中一个重要的研充课题,本文通过分析组卷的各项约束指标,建立了智能组卷的数学模型,并提出了～种基于改进遗传算法的好的智能组卷算法。     

改进的遗传算法在智能组卷系统中的应用研究

试题组卷是考试系统的重要组成部分,而遗传算法是考试系统中最常用的一种算法。本文分析智能组卷问题的目标要求,并建立该问题的数学模型,提出使用基于遗传算法GA(Genetic Algorithm)解决组卷问题的新方法。将该方法运用到Java课程智能组卷系统中,实验证明该算法在组卷中的应用可以有效克服遗传算法中早熟的现象,加快了收敛速度,明显地改善了其全局寻优能力,提高了组卷的成功率,并且保证了组卷的质量。     

遗传算法在试题库智能组卷中的应用

通过比较国内常用的组卷算法,遗传算法能解决选题的盲目性,并能从群体中选择更满足条件的个体,具有很强的智能性,同时它能根据不同的环境产生不同的后代,具有动态性、自适应性,从而能满足题库不断变化的要求.通过对智能组卷问题及遗传算子的研究分析,结合实际问题建立有效的数学模型,能够根据该模型从题库中按照用户给出的试卷指标选取一组最优解.开发的组卷系统经使用表明该系统具有较好的实用性和高效性,也证实所设计算法的可行性.     

改进遗传算法智能组卷的研究与应用

组卷问题是一个多目标的约束优化问题,是在线考试系统的重要组成部分。通过对智能组卷建立数学模型,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。     

一种改进遗传算法在智能组卷中的应用

目前,国内外许多科研单位和学校机构对智能组卷技术进行了大量的研究,其中基于遗传算法的智能组卷技术最为先进,但由于组卷问题的复杂性,仍然存在许多的不足,本文尝试从遗传算法在智能组卷中的实现上进行技术改进,以克服组卷时间长、算法收敛快等缺陷.     

改进遗传算法在组卷系统中的应用

本文将改进的遗传算法应用于组卷系统中,对智能组卷问题进行研究和分析,通过对编码、适应度函数、遗传算子、控制参数指标等方面来进行研究设计,运用改进遗传算法的全局寻优的优点,得出解决适合要求的实用算法.从而确保的试卷的覆盖范围和准确性提高组卷效率.     

自适应遗传算法在智能组卷中的应用

遗传算法以其具有自适应全局寻优和智能搜索技术,并且收敛性好的特性,能很好地满足自动组卷的要求,但简单遗传算法比较容易引起"未成熟收敛"和"搜索缓慢"等问题。本文提出自适应性的交叉和变异算子,能够降低多重约束目标,有效维持种群的多样性,避免产生局部最优解,改善未成熟收敛。     

改进的自适应遗传算法在智能组卷中的应用

题库系统研究中遇到的主要难题是如何保证生成的试题能最大程度地满足用户的不同需要，并具有随机性、科学性和合理性．在对试卷结构进行数学描述的基础上，提出一种改进的自适应遗传算法．     

改进的遗传算法在组卷中的应用研究

文章主要论述了使用遗传算法组卷的基本步骤,对初始种群的生成、染色体编码及控制参数等进行了研究;并对遗传算子做了适当改进,成功地运用到了智能组卷中;最后通过2次实验分别检验了改进前后的遗传算法对组卷质量的影响以及种群的大小对组卷质量的影响,结果表明改进了遗传算子的遗传算法和适当提高种群的大小能大大提高组卷的质量。     

改进遗传算法智能组卷研究

为了更有效解决智能组卷问题,针对应用型本科院校《自动控制原理》课程特点,建立了试题库并提出一种简化数学模型。同时,为了改善单纯遗传算法在组卷过程中局部搜索能力差与早熟收敛问题,在组合遗传算法基础上,对精英策略进行改进,提出一种新算法。仿真实验结果表明,与单纯粒子群算法、单纯遗传算法及其改进算法相比,新算法具有明显的优势,有效克服了未成熟收敛现象,提高了算法收敛精度与速度,具有寻优能力强、稳定性好等优点。     

遗传算法在组卷系统中应用研究

随着信息技术的发展,考试系统的广泛引用,如何快速、合理的根据数据中的题库进行组卷已经成为了人们所重点关注的问题。随机抽取、回溯试探、误差补偿等策略存在容易陷入死循环、随机性差等缺点。为此,本文主要通过对组卷问题的分析,采用改进的遗传算法进行考试系统的组卷。     

一种改进的遗传算法及其在组卷系统中的应用

针对遗传算法容易出现早熟和收敛速度慢的问题,根据群体适应值分布的变化特点,提出一种新启发性的基于小生境技术的自适应遗传算法(ANGA).其基本思想是:根据群体中各个个体的适应值分布情况加以启发,引入一个自适应的常数Cmin,通过自适应调整Cmin以适时改变群体适应值的分布,优化了各个个体被选择的概率,并以目前的计算机等级考试三级信息管理技术的组卷为例,采用ANGA算法进行了仿真计算.仿真结果表明,该算法能够在较短的时间内完成组卷,组卷效率、成功率高,对初值不敏感.     

基于约束条件遗传算法的智能组卷策略研究

随着教育教学信息化建设的日益深化,课程考试系统成为现代化教学评价环节的一个必须模块。通过学校资源的整合与积累,已构建了符合人材培养方案定位的试题库,并且对于试题的数量、知识点的覆盖度及试题库更新的常态化也达到考试系统的运行要求。但是,保证智能组卷的随机性、合理性及平衡性是实现难点。在交互式环境下用户对于组卷速度要求较高,而一个理论上较完美的算法可能会以牺牲时间作为代价,往往不能达到预期的效果。该文结合遗传算法的原理,采取约束条件通过数学模型进行论证,表明了该算法的有效性和可行性。     

通用在线考试系统智能组卷遗传算法设计

组卷算法设计是考试系统设计的核心。在分析通用在线考试系统的特点及组卷原则的基础上,首先建立一种改进的组卷数学模型;接下来依据该模型主要从编码方式选择、适应度函数的确定以及遗传算子的设计等方面详细设计通用在线考试系统采用的改进的遗传算法;最后,给出基于改进的遗传算法的智能组卷流程。应用表明,采用该算法实现的本系统的组卷功能在组卷的速度和成功率都得到显著提高,较好地满足了各类课程的组卷需求。     

基于改进遗传算法的智能组卷研究

组卷问题是一个多目标约束优化问题,采用集合论思想,将智能组卷的要求形式化,提出了一种基于改进遗传算法来进行智能组卷的方法.该算法针对传统智能算法组卷速度慢、成功率低的缺点,针对简单遗传算法的编码、遗传算子存在的问题进行了改进.实验结果表明,改进的算法在保证试题产生的质量前提下,提高了智能组卷的运行速度,具有较好的实用性.