一种智能组卷方法的研究与实现

本文介绍了智能组卷中约束满足问题的描述说明；提出了表达智能组卷所涉及到的启发知识和组卷要求的两个层约束要求描述方法；并在此基础上，给出了智能组卷问题求解所涉及的主要数据结构描述，及其组卷搜索算法的主要思想。     

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。     

基于自适应遗传算法的智能组卷研究

计算机辅助教学CAI(Computer Assisted Instruction)的一个重要应用是计算机辅助测验CBT(Computer Based Testing)．智能组卷是CBT的基础．组卷中关键是解决约束优化问题．在研究现代教育测试理论与计算机辅助测验CBT的基础上．提出一种解决计算机组卷中约束优化问题的方法,自适应遗传算法，该方法有效地解决了基于IRT的智能组卷问题，为解决约束优化问题提供一种新的有效途径．具有较好的性能和实用性.     

多约束分级寻优结合预测计算的智能组卷策略

针对智能组卷中多约束制约降低组卷成功率且难以实现知识点自动均匀分布的问题,提出一种多约束分级寻优的策略,通过分级降低问题规模,利用树形结构管理知识点实现知识点均匀分布;针对中小型题库组卷成功率低的问题,在分级寻优中针对章节约束和题型约束提出了一种基于预测计算的无回溯的智能组卷算法,提高组卷成功率。实验测试表明,算法适用于大、中、小型题库,均能得到较理想的组卷结果。     

智能组卷系统中的组卷策略研究

智能组卷要满足多重约束目标,它们不是孤立存在的而是相互联系和制约的。文章在研究了目前普遍使用的组卷算法后,提出的组卷策略和算法能够有效的解决多约束目标的满足问题,实验证明此策略有较好的组卷性能。     

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.     

基于树的多因素平衡组卷模型及算法设计

高智能自动组卷算法要求找到最大程度地满足多重约束条件的试题组合。本文提出一种高智能自动组卷的算法模型。它利用树做为基本数据结构,充分考虑了多重组件因素之间的平衡,并实现了算法和数据存储的分离。此算法模型满足多种约束因素、多种策略选择的组卷选择,并提供了高可扩展性。     

人工智能在自动组卷建模中应用研究

关于研究组卷的可信度和效度问题,组卷方法耗时长、效率低,组卷成功率低.为了提高自动组卷成功率,提出自动组卷算法,通过建立多约束目标优化模型,用蚁群算法自动组卷方法.首先按照试卷要求建立一个多约束的数学模型,然后用蚁群算法快速和智能搜索能力对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于传统组卷算法,提高了组卷效率,组卷成功率也相应提高,很好的满足当前网络在线考试系统的实时性较高组卷效率.     

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。     

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。