网上考试系统中组卷策略的实现

在网上考试系统中,组卷策略的好坏在很大程度上影响着组卷的效率.对常用的组卷策略进行分析,在此基础上提出了对组卷采用改进的遗传算法.采用实数编码方案,对各种遗传算子也进行了改进,有效地提高了遗传算法的执行效率.     

基于自适应的小生境遗传算法的智能组卷

简分析智能组卷的多目标问题,将遗传算法中的小生境遗传算法引入到智能组卷中,用实数编码对试题进行编码,采用改进的自适应遗传算子,解决早熟现象,提高了对试题库进行全局搜索的能力,改善智能组卷效率.     

一种基于改进遗传算法的组卷算法

为了能更好地解决组卷质量和组卷速度之间的矛盾,提出了一种基于整数分段编码的遗传算法．该算法在保证组卷预期效果的前提下,不仅搜索速度快,而且能够避免遗传算法中经常出现的“早熟现象”,具有很好的收敛性和实用性．实践结果表明,该方法可以有效地解决智能组卷中的约束优化问题．     

遗传算法在网络考试系统中的应用

为了提高网络考试系统中抽题组卷的性能,对遗传算法的基本要素进行了研究,设计了一种基于遗传算法的抽题组卷算法,并用数据流程图和伪语言进行了详细的描述.实验数据表明,该算法性能比随机组卷算法更优.     

基于遗传算法的考试系统组卷算法设计

本文分析了考试系统中的组卷问题,结合遗传算法,从算法预处理、编码方法、初始化群体、适应度函数、选择算子、交叉算子和变异算子这几个方面,详细地研究了如何采用遗传算法解决组卷问题。并且通过实验数据,与随机抽取算法和其它组卷算法作比较,说明了本算法的优越性。     

基于遗传算法的自动组卷技术

针对网络考试系统中的组卷需求,建立组卷的数学模型,采用整数编码策略,将遗传算法进行改进并应用到自动组卷模块中.测试结果表明,该算法能够较好地完成智能组卷工作,提高组卷的质量和效率.     

基于遗传算法的智能组卷研究

通过分析以知识点、难度系数、区分度、试试卷总分和作题时间等为核心属性的智能组卷的各项约束条件,智能组卷数学模型,以实现采用遗传算法实现智能组卷的技术。     

自适应遗传算法用于自动组卷中的数学模型设计

针对传统组卷算法组卷速度慢,成功率较低,组卷质量不高等缺点,利用自适应遗传算法,设计出一种智能抽题算法的数学模型,能有效地解决试题库中的智能组卷问题.     

遗传算法在自动组卷中的应用

给出了利用遗传算法的全局寻优和收敛速度快的特点,解决组卷问题的方法,重点阐述了自动组卷问题中的染色体编码方法、适应度函数和遗传算子的设计。     

基于多目标约束数学模型的组卷算法研究

针对计算机辅助测试中试卷生成问题的约束指标,详细设计了试题的数据结构,在解决试卷难度、曝光度和章分数约束的基础上,建立了组卷问题的多目标约束数学模型.以此数学模型作为适应度评价函数,利用遗传算法进行组卷.在组卷过程中,完成了编码方案和遗传算子的优化设计.     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

基于遗传算法的多项目资源约束优化问题研究

对于有资源约束的多项目优化问题,传统方法易出现局部最优解的情况.而遗传算法可以克服传统优化方法的缺点,故将改进遗传算法引入到该问题中来很有必要.通过实例的计算可以看出,简单遗传算法经常出现早熟,且没有搜索到最优值,而自适应遗传算法则可以搜索到相对较优值,所以自适应遗传算法相对于简单遗传算法要更好一些.因此,改进的遗传算法对于在资源约束下的多项目优化问题具有实用价值.     

基于遗传算法的MIMO雷达离散频率编码波形设计

针对MIMO雷达体制的离散频率编码波形设计问题，给出了一种采用遗传算法对频率编码序列的选取进行优化组合的方法．首先对波形设计的代价函数进行了改进，然后针对离散频率编码的特点，对遗传算法的选择、交叉、变异算子进行了设计，最后对设计结果进行了分析．结果表明，该方法要优于模拟退火算法．     

一种新的针对平移振荡器系统的模糊控制方法

针对平移振荡器系统(TORA)设计了一种基于遗传算法及单输入规则模块的模糊控制方法.该方法有效地结合了基于单输入规则模块的模糊控制方法及遗传算法的优点,使得设计出的控制器既具有易于理解、结构简单、规则数目少、控制器需设定的参数少的特点,同时,又可以通过遗传算法实现参数的自动调整,大大减少了控制器设计的难度及工作量.最后,在无干扰、存在干扰、系统参数变化等情况下进行了仿真试验,仿真结果表明了该控制方法的有效性及鲁棒性.     

随机型联合补充问题的混合遗传算法的研究

随机型联合补充问题是一种需求为随机的多种物品联合补充,目标是得到最小的总成本.针对这一问题使用了定周期检查策略进行分析,并建立了期望值模型,求出使整个库存系统的单位时间总期望费用最小的基本订购周期、各物品订购周期和最大库存量,并要满足一定的服务水平.对此模型采用了随机模拟算法和遗传算法的混合来进行解决,该算法可以得出问题的近似最优解,并用实例对算法进行了验证.     

基于GA-BP算法的IRT模型参数估计方法研究

针对IRT模型的参数估计过程中传统的统计方法难以解决迭代初值要求严格等问题,提出利用遗传算法(GA)优化神经网络(BP)、共同求解IRT模型项目参数的GA-BP算法,提高收敛能力和求解精度。将GA-BP算法与BILOG算法进行对比,通过实验验证了GA-BP算法的正确性及合理性。     

基于遗传算法的仿人智能控制

将仿人智能控制与基于自适应在线遗传算法整定的PID控制算法相结合,在线调整闭环阶段的参数;在保持环节,根据误差极值调整抑制系数。二阶系统的数值仿真证明了该算法的有效性。     

带时间因数的模糊指派问题的求解

在模糊变量的可信性理论基础上建立带时间因数的模糊指派问题的模糊期望值模型,且证明此期望值模型与传统模型具有相同解,并设计了一个遗传算法来求解该模型。最后,通过一个项目招标的数值例子说明此算法求解速度快,容易达到最优解。     

基于混沌遗传算法与小波多分辨率分析的岩心图像匹配

针对岩心图像尺寸大,特征信息不明显的特点,充分利用混沌遗传算法的随机性大大减少了传统搜索算法消耗的大量运算时间。利用小波多分辨率分析的方法在小波变换子图像上进行粗匹配,再在原始图像上精匹配,浓缩了岩心图象的特征信息在保证匹配准确度的同时提升了运算速度。将混沌遗传算法与小波变换多分辨率分析相结合,将其应用于大幅岩心图像的配准。实验表明,该方法能够快速而有效地进行图像配准,兼顾了匹配效果和匹配速度。