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。     

一种智能组卷算法的实现

本文首先建立组卷问题的数学模型,通过分析可知,组卷问题实质上是一个多目标优化问题的求解。为了解决组卷这个多目标优化问题的求解方法,采用了一种遗传算法的智能组卷算法。     

多种人工智能算法的数据库技术课程自动组卷比较

在线考试被广泛应用在远程教育上,自动化组卷是在线考试的关键技术,组卷问题即是多目标期望值的求解问题,其往往存在多个解,人工智能算法对于求解多目标函数有明显优势.采用遗传算法及蚁群算法的多目标优化求解更加高效,能更好胜任于本文数据库技术课程的自动化组卷.在讨论人工智能算法在组卷应用基础上,构建了组卷指标体系,建立多目标约束数学模型,并对多目标期望值进行优化求解.多次实验结果论证表明,人工智能算法的成功率最高,平均达到98%以上（含蚁群算法100%,遗传算法96%）,而非人工智能的算法成功率较低,随机变量法62%,回溯试探法84%.应用人工智能方法特别是遗传算法和蚁群算法,提升了自动化组卷效率,满足了实际各种组卷的需要,使其在远程教育和在线考试中有很好的应用前景.     

基于遗传算法的自动组卷系统的设计与实现

组卷问题是一个在一定约束条件下的多目标参数优化问题,采用传统的数学方法求解十分困难,自动组卷的效率和质量完全取决于试题库设计以及抽题算法的设计。本文以省级《数据结构》精品课程建设为背景,在分析传统组卷算法的优缺点和组卷策略参数的基础上,选用遗传算法,设计并实现了一个自动组卷系统。该算法按照试题类型、数量、难度、区分度、分值和时间等约束条件进行快速搜索并寻找最优解,其中采用分组自然数编码,减少了染色体长度空间;运用自适应理论改进交叉概率及变异概率,使得算法总能找到合适的交叉和变异概率。系统采用C#.NET编程实现,目前已应用于实际教学,取得了良好的教学效果。     

一种智能组卷算法的实现

本文首先建立组卷问题的数学模型，通过分析可知，组卷问题实质上是一个多目标优化问题的求解。为了解决组卷这个多目标优化问题的求解方法．采用了一种遗传算法的智能组卷算法。     

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.     

一个求解组卷问题的遗传算法设计

组卷问题是一个多重约束目标的求解问题，为此我们设计了一个求解该问题的遗传算法，提出了独立编码和针对该编码的组内交叉算予、组内变异算子。通过给出的一个实例，表明该设计对求解组卷问题非常有效。     

基于改进型遗传算法的智能组卷系统

分析组卷的目标要求,建立智能组卷系统问题求解的理论模型,给出一种改进型遗传算法来解决组卷问题,详细介绍组卷的过程包括组卷策略、编码方案及改进的选择算子的实现.实验结果表明,新方法能很好地解决智能组卷问题.     

求解标准化组卷问题的单亲遗传算法

组卷问题是一个多重约束目标的问题求解。为此，我们设计了一个求解标准化组卷问题的单亲遗传算法，提出了独立编码和针对该编码的组内单亲交叉算子、组内变异算子，引入小生境技术。通过实际使用，较好地解决了一次产生多套满足需要的标准化试卷的实际需要。     

浅议试题库智能组卷系统的设计

智能组卷是CAI中一个重要的研究课题.本文针对试卷生成的目标要求,给出了用遗传算法解决智能组卷问题的具体方法.实验结果表明该智能组卷算法能很好的解决试题库中智能组卷问题,具有较好的实用性.     

运输方式选择多目标优化问题的混合遗传算法

多式联运运输方式选择问题直接关系到货物运输的费用、时间和运输质量。首先分析了多式联运运输方式选择多目标优化问题的数学模型及虚拟运输网络图;其次,将基于信息熵的多属性决策方法引入适应度函数的设计中,提出了一种求解多式联运运输方式选择多目标优化问题的混合遗传算法,给出了染色体编码、遗传算子设计、染色体有效性判断和修正的方法;最后用示例对算法的有效性进行了验证。     

多目标运输应急管理问题研究

该文首先分析了多目标运输方式选择多目标优化问题的数学模型及虚拟传输网络图,其次对传统遗传算法的染色体编码方式、交叉算子、变异算子进行了重新设计,并且重新定义了适应度函数,最后通过实例分析验证了改进的遗传算法解决多目标运输问题的优越性。     

基于遗传算法的WMSNs多路径多目标优化路由算法

针对WMSNs路由算法设计的需求,依据遗传算法的基本原理和Pareto多目标优化方法,提出WMSNs多路径多目标优化路由算法MMOR-GA。该算法充分利用基站的存储空间充裕、能量充足和计算能力强的优势,在全局范围内搜索WMSNs多路径多目标优化路由。同时构建了基于前向邻居概念的网络模型和多目标优化函数,设计特定的编码方案及选择、交叉、变异算子。将MMOR-GA和TPGF进行模拟仿真实验,结果表明MMOR-GA算法能均衡有效地提高WMSNs路由的多QoS参数。     

基于改进遗传算法的QoS路由选择优化

提出了一种基于改进遗传算法的QoS路由选择优化算法，采用网络资源消耗和负载分布为目标函数，凫目标函数包含了带宽、跳数、费用、时延等QoS参数。该算法在消耗网络资源最小的基础上，使负载均衡分布，合理利用了网络资源，降低了网络的拥塞，提高了网络的吞吐量。仿真计算的结果表明，该算法在解决多目标规划问题上是一个有效、可行的方法。     

多线路准快速公交调度优化及混合遗传禁忌算法仿真

针对多线路准快速公交社会效益及企业运营效益最大化的多目标调度问题建立了优化模型。根据问题的特点设计了组合优化调度问题的混合遗传—禁忌算法,结合深圳市龙岗区公交调查数据对该模型进行了验证,计算结果及分析表明该算法比遗传算法及禁忌算法在求解此类问题时有更高的效率。     

基于改进初始解的遗传算法的布局设计方法

带性能约束的三维布局问题属于具有很强应用背景的组合优化问题,进行了基于全局的布局求解方法的探索。由于NP完全问题的计算复杂性,使得遗传算法求解问题的全局最优解时效率较低。改进了遗传算法的初始解,对提高算法的效率进行了研究。并以旋转卫星舱布局的简化模型为背景,建立了多目标优化数学模型。实例结果与传统遗传算法以及乘子法的计算结果比较,表明该算法具有较好的求解效率。     

基于CAXA 的机械课程自动组卷软件

论文立足于机械课程试题库系统的现状与实际需求,深入探讨了CAXA 程序二次开发技术、自动组卷算法、智能排版技术等关键性问题,设计并实现了与CAXA 电子图板无缝集成,且使用简便的机械类试题自动组卷软件。论文对CAXA 程序的应用领 域进行了积极地探索开拓,对同类计算机辅助教学软件开发具有一定参考价值。     

多目标演化算法

演化算法因其内在的并行行,在求解多目标优化问题时具有独特的优势。本文介绍多目标演化算法的基本原理,并详细讨论基于Pareto最优概念的多目标演化算法。     

基于DSM的复杂产品开发流程优化遗传算法

为减少产品开发过程中的返工迭代,提出一种基于设计结构矩阵(DSM)理论的多目标流程优化遗传算法.通过优化任务执行顺序,减少产品开发过程中的返工以压缩进度和降低成本.该优化算法是一种改进的遗传(GA)算法,在适应度函数中考虑了时间和费用两个指标;在选择、交叉、变异算子中采用了优解保持策略.仿真结果表明,对于高任务耦合度的产品开发项目,该优化算法能使开发时间压缩30%～40%,费用降低7%～2O%.     

多UCAV 任务分配的混合遗传算法与约束处理

针对多UCAV协同作战任务分配问题，建立了多目标整数规划模型，提出了基于整数编码的混合遗传算法．将约束分为全局约束和局部约束，根据局部约束将决策变量分为自由变量和非自由变量，仅对非自由变量进行编码，减少了染色体变化要素．设计了交叉算子和变异算子，以提高个体的约束满足率．以UCAV的SEAD任务为想定进行仿真，实验结果表明，该混合遗传算法可有效解决大规模整数规划问题，在求解效率和约束满足率上比标准遗传算法有显著提高．