基于遗传算法的在线考试系统自动组卷策略优化

该文在对试卷结构进行分析的基础上,利用遗传算法的全局寻优和收敛速度快的特点,设计一种用于自动组卷的自适应遗传算法,建立和描述了组卷问题的染色体数目和适应度函数,实施了问题的遗传操作。采用遗传算法从题库中抽出一组最佳解或抽出一组非常接近最佳解的实体,并进行了大量组卷实验。实验结果表明,自适应遗传组卷算法可行、高效,具有较好的适用性,提高了在线考试系统自动组卷的效率。同时减轻了教师的负担,满足了教育教学的要求。     

基于改进遗传算法的自动组卷问题的研究

自动组卷优化问题的研究,由于题库组卷的随机性,难度很大。针对传统遗传算法在自动组卷中存在的未成熟收敛和收敛速度慢等问题,为了快速可信地组卷,提出了一种改进的遗传算法。该算法采用模拟小生境法选择算子进行种群选取,并对交叉算子和变异算子进行了优化,实现了交叉和变异概率的非线性自适应调整。进行仿真实验,结果证明,改进的遗传算法在组卷的有效性、稳定性和收敛速度等方面有显著的提高,更能有效解决自动组卷问题,具有较好的使用性能和实用性,能够极大的满足用户组卷的需求。     

基于遗传算法的自动组卷研究与应用

随着在线考试系统的广泛应用,组卷算法决定了自动组卷的性能。为提高组卷成功率,提出基于遗传算法的自动组卷模型,根据总分、题型、难度、区分度等要求建立多目标、多约束条件的数学模型。采用ASP.NET编程实现,并进行编码、选择、交叉、变异等操作,使遗传算法能满足自动组卷要求。     

基于遗传算法的自动组卷研究与应用

随着在线考试系统的广泛应用,组卷算法决定了自动组卷的性能。为提高组卷成功率,提出基于遗传算法的自动组卷模型,根据总分、题型、难度、区分度等要求建立多目标、多约束条件的数学模型。采用ASP.NET编程实现,并进行编码、选择、交叉、变异等操作,使遗传算法能满足自动组卷要求。     

基于改进遗传算法的自动组卷研究

在分析研究已有相关算法的基础上,提出了一种基于遗传算法的自动组卷优化算法。算法的优化主要体现在基于相对权重的适应度函数的设计、基于约束条件的初始种群选择及具有自适应性的算子设计。     

遗传算法在自动组卷中的应用

为了减轻考试系统中老师出卷的工作量,并使出卷更加合理与科学化,此文通过遗传算法设计了一种新型的自动组卷系统,该系统首先介绍了遗传算法的基本思想与优势,其次利用随机搜索方法对自动组卷系统中各个功能模块进行了详细的设计,其中主要包括自动组卷系统中的编码方案的确定、自适应度函数的创建、选择交叉变异算子以及控制参数计算,最后,我们对基于遗传算法的自动组卷系统进行了成功的实现,整个系统运行正常。     

基于遗传算法自动组卷的实现

为了能有效、快速地实现自动组卷,对遗传算法进行研究。首先介绍遗传算法及基本操作,然后详细介绍遗传算法在具体组卷中的应用。实践结果表明,生成的试卷最终合乎要求、具有较高可信度、取得了良好的效果。     

基于遗传算法的自动组卷研究

随着基于网络的各种考试的引入和广泛应用,计算机组卷的算法得到了广泛的研究.计算机自动组卷是一个带约束的多目标优化问题,可以通过遗传算法采解决,并可以根据实际问题选择个性化的编码方案,提高遗传算法的效率.通过对计算机组卷问题及和遗传算法的分析,给出了一种基于遗传算法的计算机自动组卷算法.     

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。     

基于遗传算法的交规考试自动组卷方法研究

针对交规考试试卷的测量标准、试卷和试题的参数进行了分析,论述了交规考试专用试题库组卷系统的设计思想、总体功能及数学模型和实现方法.自动组卷是计算机辅助教学的一个重要内容,针对交规考试试卷的特殊需要,提出了一种用遗传算法解决自动组卷问题的新方法,运用遗传算法的搜索寻优结合分段随机选取初始群体的技术,对驾驶人交规考试中的自动组卷进行了初步研究,并编制了相应的程序,进行了大量的组卷实验.实验结果表明,该算法能大大提高组卷的成功率和工作效率,从而表明该算法应用于交规自动组卷系统是合理、有效的.     

改进遗传算法在公交调度优化中的应用

在充分考虑公交公司运营成本和乘客候车等待成本的基础上,引入了乘客坐车舒适度这一指标建立了公交调度优化模型。针对基本遗传算法在实际应用中出现进化缓慢和提前收敛的问题,利用蚁群算法具有局部搜索能力强和收敛速度比较快等优点,引入了蚁群算法引导变异,建立了自适应的遗传算法,实现了模型求解的高效性和高精度。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

遗传算法中选择策略的分析

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注。本文介绍并讨论了最能体现遗传算法“自然选择、适者生存”特点的选择算子的多种操作策略,提出一些可以进一步改进和完善遗传算法选择算子的研究方向,可提高遗传算法的性能,从而扩大遗传算法在各个领域的应用。     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

基于量子遗传算法的非线性无约束优化方法

量子遗传算法(QGA)是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子旋转门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性。非线性无约束优化是典型的工程应用问题,而复杂非线性函数的优化结果往往不能令人满意,如陷入局部最优等。利用量子遗传算法强大的搜索能力,可以很好的解决复杂非线性函数的无约束优化问题,实验表明量子遗传算法在该类问题中的有效性和可行性。     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。     

并行遗传算法在工程智能优化中的实现策略

遗传算法在工程智能优化中的应用较为广泛,但遗传算法的运算效率却直接影响了其在工程中的应用,该文分析了用并行遗传算法提高遗传算法运算效率的策略,并将其应用到工程智能优化中,取得了较为满意的效果,得出了有意义的结论。     

应用遗传算法的DSS模型设计研究

在DSS模型设计中，采用遗传程序设计可以更灵活地处理遗传算法中的表示问题。本文通过讨论遗传算法的特性，DSS模型库的特点而研究了DSS模型遗传程序设计的方法。     

基于推进策略的遗传分类方法研究

应用遗传方法产生“弱”分类器,按照Boosting（推进）的思想,改变每一代遗传操作中训练实例的权重,并以整体结合方式确定未在训练集中的实例类型,有效地改进了遗传分类算法。     

适用于多峰函数优化问题的通用演化算法

本文在“两阶段子空间演化算法”的基础上加以改进,提出了一种解各种多峰函数优化问题的通用演化算法;并用五个复杂的函数进行了数值试验,得到了较好的结果。