基于改进遗传算法的智能组卷研究

因为传统组卷方法的时间和空间开销大、成功率较低,简单遗传算法的收敛速度慢、稳定性差,所以提出了基于改进遗传算法的智能组卷方法,通过根据个体适应度值自适应地选择个体,调整交叉概率和变异概率等措施,加快了算法向最优解的逼近速度,提高了组卷的效率和成功率。论文介绍了该组卷方法的组卷策略,数学模型,各模块的详细设计。     

基于改进遗传算法智能组卷的研究

组卷问题是解决在一个多约束条件下的多目标参数优化的问题,在研究组卷数学模型的基础上,对遗传算法进行了改进,通过对染色体分段编码、确定适应度函数、分段初始化种群、交叉概率和变异概率的自适应调整及最优个体保存策略措施,实现了智能组卷。通过实验数据测试结果表明,改进遗传算法比简单遗传算法能更好地完成组卷,有更高地组卷效率,有较好地实用性。     

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.     

基于改进遗传算法的智能组卷系统研究

传统组卷算法在组卷质量和组卷速度方面,都难以达到令人满意的效果。鉴于此,建立了智能组卷系统问题求解的理论模型,并结合遗传算法来解决考试系统中的智能组卷问题:在选择算子中采用适应度排序在前一半的个体进入下一代的繁殖;在交叉算子中采用最优保持策略;在成卷前调整试卷知识点的分布。该组卷算法在不同的要求下都能得到较为满意的效果。     

基于改进遗传算法智能组卷的研究

通过建立智能组卷数学模型,研究了改进遗传算法在智能组卷算法中的应用,提出了一种基于改进遗传算法来进行智能组卷的方法,实验结果表明,改进的算法在智能组卷的运行速度方面,具有较好的实用性。     

基于改进遗传算法的智能组卷方法

组卷问题是一个多约束多目标优化问题。建立了一种新的试卷矩阵数学模型,提出了改进的遗传算法编码方式,并通过改进初始群体的产生方法和遗传算子,有效提高了遗传算法的收敛速度,并较好地避免了局部收敛现象。实验结果表明,在试题库试题数量适中、分布合理的情况下,本算法产生的试卷能够很好满足各项组卷指标。     

智能组卷系统中对遗传算法的改进研究

,本文提出一种改进的自适应遗传算法用于求解智能组卷优化问题.改进的算法通过使用混合熵来度量种群的多样性,并在交叉概率以及变异概率的确定方面做出了相应的改进,使之更有针对性地求解智能组卷优化问题.该算法的提出为求解智能组卷系统的数学模型提供了先进的技术手段.     

一种改进遗传算法在智能组卷中的应用

目前,国内外许多科研单位和学校机构对智能组卷技术进行了大量的研究,其中基于遗传算法的智能组卷技术最为先进,但由于组卷问题的复杂性,仍然存在许多的不足,本文尝试从遗传算法在智能组卷中的实现上进行技术改进,以克服组卷时间长、算法收敛快等缺陷.     

改进的自适应遗传算法在智能组卷中的应用

题库系统研究中遇到的主要难题是如何保证生成的试题能最大程度地满足用户的不同需要,并具有随机性、科学性和合理性．在对试卷结构进行数学描述的基础上,提出一种改进的自适应遗传算法．     

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.     

基于改进的遗传算法的智能组卷算法研究

随着人工智能技术在高校信息化过程的不断推广,智能在线考试模式已成为高校教学改革的一种新手段。目前现有的在线考试系统由于一些现实约束,还存在很多不足。文中针对现有的考试系统存在智能组卷后的试卷难度不均衡、题库试题难度系数确定不合理的现象,提出一种基于改进的遗传算法自动组卷策略。利用伯努利大数定律和机器自适应学习方式,确定题库中试题合理的难度系数。在试题的难度系数确定后,试卷的难度系数就是参入组卷的试题的平均难度系数,组卷中,只需指定试卷的平均难度系数和各类题型的数量即可。     

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。     

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。     

遗传算法的组卷策略研究

通过组卷来决定试卷的题量、试卷的知识点分布、试卷类型及考试时间的多少;网络组卷系统是实现考试规范化、公平化、合理化的重要途径。运用遗传算法对考试中的自动化组卷进行了研究。     

启发式遗传算法组卷模型研究

随着计算机及其数据库技术的发展,利用计算机存储大量的试题信息并结合数据库技术实现试题的自动组卷功能已成为一项实际可行且应用性广泛的一项课题。在遗传算法的基础上,提出了一种新的基于启发式遗传算法的智能组卷算法。新算法利用组巷过程中与目标约束条件的误差进行诱惑,使基因变异产生的子代具有更好的性能,从而确保上代群体优势能够沿着有利于最终问题求解的方向进行传递,有效地降低无效试卷所导致的系统开销。实验结果表明,新算法具有较好的智能组卷性能。     

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。     

改进遗传算法在试题自动组卷中的应用研究

针对传统的组卷算法具有组卷速度慢、成功率较低、组卷质量不高等缺点。本文提出了一种用改进的遗传算法来求解试题组卷问题的方法。实验结果表明,新方法的组卷成功率和收敛速度都得到明显提高,并且较好地克服了未成熟收敛现象,取得了较满意的组卷效果。     

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。 