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.     

改进型遗传算法及其性能分析

本文受模拟退火技术的启发引入了一种新的改进型遗传算法,在二进编制编的基础上,研究了交叉位置等概率选取交叉操作的不利影响。在此基础上提出了一种每个基因位叉概率自适应变化的新的交叉操作模拟结果表明,新算法的收敛性能远远高于标准遗传算法。     

基于改进自适应遗传算法的智能组卷算法

传统的组卷算法具有组卷速度慢、成功率低和组卷质量不高等缺陷。为了解决该问题,提出一种基于正弦形式自适应遗传算子的改进遗传算法的组卷算法,理论分析和实验结果表明,与基本遗传算法和自适应遗传算法相比,改进的遗传算法更能满足组卷的实际需求,在全局搜索性能、收敛速度和组卷成功率较基本遗传算法和自适应遗传算法有显著提高,证明了改进算法的有效性和优越性。     

用于智能组卷的自适应小生境复合遗传算法

传统遗传算法的选择策略缺乏多样性保护机制,易出现早熟收敛。为解决智能组卷问题,采取小生境技术完成遗传操作中的种群进化机制。利用个体浓度的大小,设置自适应变异算子,保证种群多样性,防止种群陷入局部收敛;增加阈值以保证算法在接近最优解时回归到自适应遗传算法,简化算法计算量,加快算法的收敛速度。本文提出一种自适应与小生境技术复合遗传算法,来均衡算法的全局搜索和局部快速开发能力。最后,实例验证了所提算法的有效性。     

改进遗传算法智能组卷研究

为了更有效解决智能组卷问题,针对应用型本科院校《自动控制原理》课程特点,建立了试题库并提出一种简化数学模型。同时,为了改善单纯遗传算法在组卷过程中局部搜索能力差与早熟收敛问题,在组合遗传算法基础上,对精英策略进行改进,提出一种新算法。仿真实验结果表明,与单纯粒子群算法、单纯遗传算法及其改进算法相比,新算法具有明显的优势,有效克服了未成熟收敛现象,提高了算法收敛精度与速度,具有寻优能力强、稳定性好等优点。     

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。     

改进型遗传算法智能组卷系统的设计与实现

本文介绍了改进型遗传算法智能组卷系统的需求分析,然后根据分析结果来设计和实现具有良好的通用性和可扩展性一套智能组卷系统,其中组卷算法的关键点给出了具体的实现代码。     

改进型的快速免疫遗传算法研究

作为一种有效的优化方法,遗传算法在实际中的应用非常普遍。但它用来解决实际问题时,其收敛速度慢和稳定性差成为需要解决的关键问题。为了克服这些问题,本文通过创建最初的人口,免疫选择操作,改进遗传算子等一系列的方面来改善免疫快遗传算法。实验表明该算法比许多现有的算法具有更快的收敛性和更好的稳定性。     

基于混合智能算法的组卷策略研究

提出了基于混合智能算法的组卷策略,将神经网络、改进遗传算法的计算优势与自动组卷数学模型相结合,以用户理想试卷中的试题参数作为神经网络的训练样本,对影响组卷效果的各项指标的权重进行自学习,将得到的权重矩阵用于遗传算法的适应度函数的设计中,并对遗传算法的编码方案、遗传算子进行了改进。实验结果表明,该算法可以有效地提高智能组卷的速度以及成功率。     

基于遗传算法的自动成卷系统中题目的选择

论文阐述了利用遗传算法(GA)解决自动成卷系统中题目选择的问题,详细说明了GA的设计过程,并且在理论上说明了其收敛性,然后用实验测试了GA的性能,并在此基础上提出了针对此GA的改进意见,最后比较了几种常用的自动成卷算法。     

基于遗传算法的自动组卷设计

通过分析遗传算法的原理、步骤和运行参数,结合组卷要求提出自动组卷的模型,并根据遗传算法的主要控制参数建立了自动组卷数学模型,用VB程序实现了基于实数编码的遗传算法自动组卷实例。     

改进的遗传算法在智能组卷系统中的应用研究

试题组卷是考试系统的重要组成部分,而遗传算法是考试系统中最常用的一种算法。本文分析智能组卷问题的目标要求,并建立该问题的数学模型,提出使用基于遗传算法GA(Genetic Algorithm)解决组卷问题的新方法。将该方法运用到Java课程智能组卷系统中,实验证明该算法在组卷中的应用可以有效克服遗传算法中早熟的现象,加快了收敛速度,明显地改善了其全局寻优能力,提高了组卷的成功率,并且保证了组卷的质量。     

遗传算法在自动组卷系统中的应用

用基因段的遗传算法解决自动组卷问题,采用二进制进行编码,生成带有约束条件的初始种群,用自适应的概率对染色体进行选择、交叉和变异．在一个染色体的基因段内完成交叉和变异操作,从而产生新的种群。     

基于遗传算法的轮式移动机器人轨迹优化研究

提出了一种基于遗传算法的轨迹优化方法．将移动机器人的运行轨迹分为若干小段．用遗传算法对每个小段进行规划和优化．从而得到移动机器人的整个运行轨迹。可以作为移动机器人轨迹优化的可行路径．并给出了相应的优化算法。