基于集合随机抽选法的智能组卷的研究与应用

提出了一种基于集合的随机抽选算法,可以解决传统随机抽选算法在试题库组卷过程中重复试选和难以一次组卷成功的问题。运用集合的方法,把试题按属性组成不同的集合,用集合随机组卷算法来实现试题组卷。给出了算法的参数定义和描述,并分析了该算法与传统随机算法在执行效率上的区别。该算法可以有效地改善传统随机算法的执行效率,并已经成功应用于实际网络考试系统中。     

一种基于策略集的概率缩域算法对多目标随机组卷问题的解决方案

电子考试系统的组卷研究是高校教考改革中电子试卷需要考虑的综合性问题。电子组卷既要求算法具有高效性、随机性和均衡性,同时需要抽取的试题组合满足用户自定义策略性要求。本文提出一种基于策略集的概率缩域算法,首先通过对试题组和组卷过程采用随机洗牌算法,保证试题抽取的随机性;其次使用策略集对试题取值域进行提前剪枝,缩小当前目标集的取值范围,保障算法的快速返回;最后使用策略集对抽取目标集进行轮转,实现基于策略的试题调整。在一个具有100000个题目的试题库中抽取1000份试卷的测试结果表明,算法能够在极短时间内（127 s）抽取符合目标的试题量,算法效率与组卷份数呈现二次函数的变化趋势,对题库数量敏感度较小,适合较大题库的试卷抽取工作。      

试题库设计与自动组卷方法分析

对试题库与自动组卷算法结合进行研究,分析随机选取法和回溯试探法,对遗传算法进行介绍,并将遗传算法运用到试题库中,通过运用遗传算法设计从试题库中抽取合理试题。     

基于目标树的组卷算法的研究

该文首先分析了当前试题库组卷算法中常用的随机、回溯算法,以及出题策略。基于目标树和数据仓库原理提出了一种新的组卷算法。算法通过利用组卷策略,生成满足组卷要求和考试要求的目标树,然后从题库中抽取符合目标树的试题集。由于决策的对象是试题的抽象描述,克服了直接在数据库基础上进行组卷带来的灵活性差、效率低的缺点,具有较大的优越性。     

基于改进GAAA算法的煤矿企业在线智能考试系统

在分析煤矿企业员工实际考试需求的基础上,提出了一种煤矿企业在线智能考试系统。首先构建了针对煤矿员工职业特点的Web考试系统,优化系统功能;其次提出了对遗传算法与蚂蚁算法融合的GAAA算法的改进方案,即首先对蚁群信息素进行更新,再利用遗传算法的全面搜索和蚂蚁算法的并行分布特性搜索试题库,对煤矿考试试题库进行组卷优化;最后将改进的GAAA算法应用于在线智能考试系统,实现了煤矿企业员工随时、随地考试以及试题自动组卷功能。实际应用表明,该系统组卷速度快,试题重复率低,算法正确可行,能有效完成煤矿企业员工在线考试的实际需求,提高了煤矿企业考试效率。     

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.     

基于知识点题型分布和分值的智能组卷算法研究

首先介绍了试题库的结构与建立，在试题库中根据知识点把所有试题进行了划分，同时说明了组卷控制参数知识库的结构，论述了由知识点的教学要求利用组卷控制参数知识推出知识点题型分布和优化调整知识点难度系数的推理机制。在此基础上．较详细地阐述了基于知识点的智能组卷算法及该算法应用于“全国注册建筑师考试系统”的智能组卷过程。     

试题库自动组卷策略研究

根据多年教学经验和对化工原理试题库的精心研究,提出了 根据教学大纲,运用模糊数学理论、统计学理论等对用户命题要求进行量化处理,产生本次 考试的试卷基本模式,然后根据基本模式在题库中随机抽取试题的算法,不仅能满足用户命 题要求,且保证知识覆盖面以及组卷成功率达100%。     

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.     

基于差分进化算法的智能组卷方法

如何从庞大试题库中自动生成符合教学和考试要求的一套试卷是目前我国利用计算机进行辅助教学的一个重要研究内容.通过分析用户对组卷的要求和试题结构特征.构建了一个智能优化组卷新模型,同时给出了求解的差分进化算法.数值试验结果表明,所给的方法在组卷效率和质量方面具有更好的性能.     

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。     

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。     

Memetic算法在智能组卷问题中的应用

Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。      

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.     

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。     

改进的基于知识点均衡的智能组卷方案

针对当前在线考试基于知识点智能组卷的需求,分析了现有的基于知识点组卷方案存在的问题与不足,提出了一种改进的基于知识点均衡的智能组卷方案。首先介绍了知识树的建构方法,然后对试题库结构进行了研究与设计,进而具体论述了知识点均衡策略,最后对算法的实现作了整体阐述。     

基于遗传算法的智能自动组卷问题的研究

高效、科学、强壮的智能组卷算法是实现自动智能组卷的关键技术,也是目前CAI领域的热门研点之一。对智能自动组卷问题及各种组卷算法进行了分析,提出运用遗传算法的全局寻优对智能自动组卷问题进行研究,得到了解决适合要求的试题模型的实用算法,通过采用矩阵知识表示方法,根据实际问题设计得有效的遗传算子,直接在解上进行遗传操作,实验结果表明遗传算法相对于其他算法能取得此采用传统的二进制编码的知识表示方法更好的效果,具有较好的使用性能和实用性。     

基于遗传算法的智能组卷的研究

智能组卷是计算机辅助教学(CAI)中一个重要的研究课题,本文针对试卷生成的目标要求,建立了智能组卷的数学模型,并给出了用改进的遗传算法解决此问题的新方法.实验结果表明该改进的遗传算法能很好的解决试题库中智能组卷问题,具有较好的性能和实用性.     

Automatic generation of basis test paths using variable length genetic algorithm

Path testing is the strongest coverage criterion in white box testing. Finding target paths is a key challenge in path testing. Genetic algorithms have been successfully used in many software testing activities such as generating test data, selecting test cases and test cases prioritization. In this paper, we introduce a new genetic algorithm for generating test paths. In this algorithm the length of the chromosome varies from iteration to another according to the change in the length of the path. Based on the proposed algorithm, we present a new technique for automatically generating a set of basis test paths which can be used as testing paths in any path testing method. The proposed technique uses a method to verify the independency of the generated paths to be included in the basis set of paths. In addition, this technique employs a method for checking the feasibility of the generated paths. We introduce new definitions for the key concepts of genetic algorithm such as chromosome representation, crossover, mutation, and fitness function to be compatible with path generation. In addition, we present a case study to show the efficiency of our technique. We conducted a set of experiments to evaluate the effectiveness of the proposed path generation technique. The results showed that the proposed technique causes substantial reduction in path generation effort, and that the proposed GA algorithm is effective in test path generation.