基于遗传算法的组卷系统的研究

介绍了计算机自动组卷系统的设计方法,并对遗传算法在计算机自动组卷系统中的应用进行了探讨,给出了基于遗传算法的组卷系统的实现方法。     

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.     

基于遗传算法的智能组卷问题的研究

计算机考试系统主要是根据相同的考试要求在短时间内生成具有高信度但差别比较大的试卷。本文采用最优保存策略的遗传算法能有效地解决试题库中的智能组卷问题,实验结果证明比传统的组卷算法要好。     

基于遗传算法的组卷系统的研究与实现

针对目前题库的组卷功能智能化程度不高以及组卷效率低的问题,设计运用遗传算法进行智能组卷的题库系统。分析了试卷组卷的约束条件,建立适当的适应度函数、选择算子、交叉算子、变异算子,实现了组卷的遗传操作。实践表明,本系统组卷功能界面友好、操作方便,组卷速度快且质量较好,具有较高的应用价值。     

基于遗传算法的自动组卷系统的设计与实现

组卷问题是一个在一定约束条件下的多目标参数优化问题,采用传统的数学方法求解十分困难,自动组卷的效率和质量完全取决于试题库设计以及抽题算法的设计。本文以省级《数据结构》精品课程建设为背景,在分析传统组卷算法的优缺点和组卷策略参数的基础上,选用遗传算法,设计并实现了一个自动组卷系统。该算法按照试题类型、数量、难度、区分度、分值和时间等约束条件进行快速搜索并寻找最优解,其中采用分组自然数编码,减少了染色体长度空间;运用自适应理论改进交叉概率及变异概率,使得算法总能找到合适的交叉和变异概率。系统采用C#.NET编程实现,目前已应用于实际教学,取得了良好的教学效果。     

基于改进遗传算法的智能组卷在试题库建设中的研究

智能组卷是计算机辅助教学（CAI）中一个重要的研充课题,本文通过分析组卷的各项约束指标,建立了智能组卷的数学模型,并提出了～种基于改进遗传算法的好的智能组卷算法。     

基于知识点约束的遗传算法组卷策略的研究

基于遗传算法的自动组卷策略采用分段实数编码,具有自适应型的交叉和变异遗传算子,基于知识点约束的分题型的组卷算法思想,为自动组卷算法的进一步发展提供了研究方向.     

基于B/S模式的通用试题库系统的设计与实现

本文介绍一个基于B/S模式的通用试题库系统的设计思想,并详细阐述其在Visual Studio环境下基于SQLServer 2000数据库和ASP.net、ADO.net、ODBC等技术的实现方法。该系统在结构上被划分为数据、功能和应用三个层次,实现了数据库构建,试题库建立,试题录入、查询和管理,对使用记录的处理,手工组卷,自动组卷,试卷的生成、预览、打印和管理等功能。该系统的技术实现使其具备良好的开放性、安全性、稳定性及通用性,目前已经投入使用且运行良好。     

基于专家知识的试题库系统研究与开发

针对高校试卷命题的实际需要，建立了基于专家知识的网络试题库模型，并在《数据结构》课程中得了实际应用。本文重点阐述了一种将专家知识与经验知识相结合的组卷模式，并对其中的关键技术进行了深入探讨。实际应用结果表明，该模型充分体现了组卷的科学性与合理性。     

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.     

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.     

基于遗传算法实现智能组卷的题库设计

遗传算法是目前最适合解决组卷问题的算法之一,开发组卷系统必须依靠数据库平台的支持,为了保持系统数据的整体性、完整性和共享性,该文提出了一种使得数据库尽可能适应算法需要的设计思想。     

改进型遗传算法智能组卷系统研究

研究测试理论和组卷过程的数学模型,分析利用遗传算法来实现智能组卷的目标：求解出满足用户条件要求的一套最优试卷。同时重点研究简单遗传算法＂早熟＂现象的原因,对参数编码、种群初始化、遗传操作和控制参数等方面加以改进。通过仿真实验表明,改进型遗传算法比简单遗传算法具有收敛速度快、稳定性高的优点,同时能有效地避免＂早熟＂现象,从而较好地实现智能组卷。     

基于粒子群遗传算法的智能组卷策略

在线考试摒弃了传统纸质考试固有的缺点,在网络教育领域里获得了非常广泛的应用.人工智能化考试组卷,是完成在线考试高效性的重要技术之一.组卷问题,是多发展目标的组合优化问题,一般来说具备数个解.人工智能算法对于寻找此类问题的最优解具有明显优势.本文首先分析和研究目前主流的智能组卷算法,并结合组卷的有关原理及数学实验模型,提...     

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。     

基于遗传算法智能组卷的去重题方法

针对遗传算法智能组卷过程中出现的重题问题进行研究,提出一种重题优化策略,包括重题甄别和重题替换2个部分。该策略能快速甄别并替换试卷中的重题,同时最大限度地保留整张试卷的优势。实验数据表明,采用该策略的组卷算法能有效缩短组卷时间,同时提高生成试卷的满意度。     

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。     

基于蚁群算法的智能组卷算法研究

抽象出组卷问题的数学模型,提出使用组卷吻合度来评估组卷质量,成功地将组卷多目标优化问题转换成典型的线性优化问题,基于蚁群算法原理设计了一种新型的智能组卷算法。实验结果表明,与随机算法、遗传算法相比,该算法在组卷效率与组卷质量方面均具有更好的性能。