在线考试系统智能组卷策略研究

表明智能组卷在考试系统中的核心地位,介绍组卷策略的基本要求,对智能组卷的策略进行了分析和研究,提出两种实现组卷策略的算法变换方式:相对评价组卷和绝对评价组卷。     

基于改进遗传算法的智能组卷系统设计

针对大学课程考核及题库建设需求,设计并实现了一种基于改进遗传算法的智能组卷系统。系统采用Word文档保存试题的内容和答案;在组卷策略上采用了改进遗传算法,详细设计了组卷问题的染色体结构、适应度函数和遗传操作等,克服了传统随机组卷方法存在的局限性,科学合理地解决了智能组卷问题。通过测试后发现,本智能组卷系统可操作性强、组卷效率高,可以显著提高组卷的质量,完全能够满足课程考核的实际需求。     

智能组卷系统中专家知识的表示与实现

该文对组卷问题进行了深入的研究,确定了组卷问题中一类专家知识,并给出了相应的表现形式和实现途径。实验表明,将这类专家知识应用到组卷系统中使系统能很好地模拟人的思维,实现智能组卷。     

在线考试系统题库组卷算法设计

本文详细分析了题库组卷系统中的组卷算法,重点对多约束性离差求解（Multiple Constraint Weighted Deviations problem简称MCWDP）的算法进行研究。简要给出了MCWDP算法表智能组卷系统中的组卷策略。并为简化算法,提高组卷效率提出了相关措施。经测试用MCWDP算法。组卷速度快。能满足用户需求,真正实现了智能组卷。     

基于知识点和改进随机抽取算法的智能组卷方案研究

组卷和试卷测评是在线测试系统的核心内容。文章提出了基于知识点和改进随机抽题算法的智能组卷方案,实现了快速组卷过程。该算法已经成功应用于实际在线测试系统中。     

含富文本格式的智能组卷系统的研究与实现

本文针对智能组卷系统进行了深入的研究,对遗传算子进行自适应调整,提出了一种基于改进遗传算法的自动组卷算法,提高了组卷的效率;同时利用RTF格式文件,使题库中可以包含公式、图像、图表等多种格式的试题,丰富了试题的内容和形式,从而设计并实现了一套功能完善的智能组卷系统。     

基于.Net的智能组卷研究及应用

介绍了一个基于校园网的试题库与智能组卷系统的设计理论和实现技术。基于.NET技术实现了系统体系结构设计和数据库设计,并提出了基于多目标函数的自适应组卷,以知识点、题型、区分度、难度、教学要求层次、能力要求为主要控制参数,它具有编码简单、自适应全局寻优和智能搜索技术等特点,提高了组卷效率和试卷的质量,具有很好的实用性。     

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.     

基于互联网的分布式在线考试系统设计与实现

随着互联网技术的发展,分布式管理系统在教育领域已经得到了广泛的应用,尤其是教学考试。本文详细的分析了分布式在线考试系统的实现技术,包括JSP分布式系统开发技术和基于遗传算法的智能组卷技术,给出了在线考试系统的主要功能,并且给出了智能组卷的核心功能实现内容。     

基于粒子群算法的智能组卷系统研究与实现

依据企业人才培养的考核要求,对组卷环节进行研究和改善,建立起规范高效的智能组卷系统.组卷问题是一个在多约束条件共同作用下的优化问题,难以用传统的计算方法进行求解.引入粒子群优化算法,实现了问题的快速求解.实现了基于粒子群算法的组卷模型,测试结果表明,基于粒子群算法的自动组卷系统成功率高、耗时短,系统界面友好,满足用户需求,有效地提高了工作效率.     

改进和声搜索算法的英语考试智能组卷策略

为提升英语考试智能组卷成功率和组卷质量,提出基于改进和声搜索算法的英语考试智能组卷策略.首先建立英语考试智能组卷的目标优化函数,然后采用和声搜索算法对英语考试智能组卷的目标优化函数进行求解,并针对采用声搜索算法的不足进行相应的改进,最后进行了与英语考试智能组卷的应用实例分析.结果表明,改进和声搜索算法的英语考试智能组卷成功率高,而且组卷质量好,同时获得比其它英语考试智能组卷策略更优的结果,具有明显的优越性.     

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。     

基于蚁群算法的智能组卷算法研究

抽象出组卷问题的数学模型,提出使用组卷吻合度来评估组卷质量,成功地将组卷多目标优化问题转换成典型的线性优化问题,基于蚁群算法原理设计了一种新型的智能组卷算法。实验结果表明,与随机算法、遗传算法相比,该算法在组卷效率与组卷质量方面均具有更好的性能。     

基于改进遗传算法的智能组卷系统研究

传统组卷算法在组卷质量和组卷速度方面,都难以达到令人满意的效果。鉴于此,建立了智能组卷系统问题求解的理论模型,并结合遗传算法来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。该组卷算法在不同的要求下都能得到较为满意的效果。     

改进型遗传算法智能组卷系统研究

研究测试理论和组卷过程的数学模型,分析利用遗传算法来实现智能组卷的目标：求解出满足用户条件要求的一套最优试卷。同时重点研究简单遗传算法＂早熟＂现象的原因,对参数编码、种群初始化、遗传操作和控制参数等方面加以改进。通过仿真实验表明,改进型遗传算法比简单遗传算法具有收敛速度快、稳定性高的优点,同时能有效地避免＂早熟＂现象,从而较好地实现智能组卷。     

基于基因表达式编程的计算机组卷算法研究

随着计算机技术的发展,传统的手动组卷方法难以满足新时代下的各种领域的需求,为解决传统手动组卷在性能、速度、题型分配等方面的缺陷,基于计算机技术的智能组卷问题日渐变为人们关注的问题。然而目前的组卷算法存在成功率低、计算时间久、知识点覆盖不完整、难度系数难以把握、生成的试卷难以满足要求等问题,导致了生成的试卷无法达到理想的效果。为改善上述问题,引入了基因表达式编程算法,通过使用适当的遗传算子,采用线性定长的编码方式,构造了新的智能组卷方法,避免了传统组卷算法成功率低以及适应性差等问题,解决了多约束条件下试卷的分数分配、章节分配、难度等一系列问题。实验证明,该算法有着较高的效率,能够快速地生成满足要求的试卷。     

一种用于智能组卷的自适应小生境遗传算法

在采用遗传算法进行智能组卷的过程中,常出现选择策略缺乏多样性保护机制的现象,易出现早熟收敛。为解决智能组卷的早熟收敛问题,提出一种自适应小生境遗传算法。采用小生境技术可提高个体的选择概率,增加个体的多样性选择机率;在保证算法收敛速度的情况下,给出一种一致变异算子,同时调节个体的变异概率和变异范围,提高种群多样性。最后,通过具体实例验证了该算法在较短的组卷时间内,可以实现全局寻优的结果,从而证明该算法的有效性。自适应小生境遗传算法在智能组卷中的应用具有实际意义。     

基于粒子群遗传算法的智能组卷策略

在线考试摒弃了传统纸质考试固有的缺点,在网络教育领域里获得了非常广泛的应用。人工智能化考试组卷,是完成在线考试高效性的重要技术之一。组卷问题,是多发展目标的组合优化问题,一般来说具备数个解。人工智能算法对于寻找此类问题的最优解具有明显优势。本文首先分析和研究目前主流的智能组卷算法,并结合组卷的有关原理及数学实验模型,提出一种基于粒子群遗传算法的智能组卷策略,将群体中的粒子和个体极值、群体极值进行遗传算法中的交叉操作与粒子本身展开变异操作,同时通过自适应调节交叉概率和变异概率、分段实数编码等方式,提升算法性能。最后经过对比实验验证该算法的优势。     

基于web的英语在线学习系统

介绍一个基于web技术的英语在线学习系统,详述了系统的设计方案及关键技术问题.首先,对系统中智能组卷算法与策略进行分析,以算法的实用性和可操作性需求指标建立一个智能组卷的数学模型,并设计一种基于改进遗传算法求解该模型的优化方法,实现通过对试卷指标的组合来随机生成符合约束要求的试卷,满足不同用户的个性化需求;其次,通过融合Ajax技术,实现系统在线测试中对考试进行时间控制,解决因B/S结构引起的“瓶颈”问题,减缓了数据流量.