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。     

基于动态自适应技术遗传算法的智能组卷策略

为克服经典遗传算法求解智能组卷时存在的盲目搜索、收敛速度慢和个体易"早熟"等缺点,文章提出了基于动态自适应技术遗传算法.利用求解问题的特征改进经典遗传算法的多个关键部分,采用动态自适应技术,提高算法的寻优速度.实验结果表明,采用改进式的自适应遗传算法实现的组卷策略具有收敛速度快、搜索精度高、鲁棒性强等特点,具有很好的性能与实用性.     

遗传算法在组卷系统中应用研究

随着信息技术的发展,考试系统的广泛引用,如何快速、合理的根据数据中的题库进行组卷已经成为了人们所重点关注的问题。随机抽取、回溯试探、误差补偿等策略存在容易陷入死循环、随机性差等缺点。为此,本文主要通过对组卷问题的分析,采用改进的遗传算法进行考试系统的组卷。     

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。     

改进遗传算法组卷系统的研究与实现

在学校教学工作中,考试是整个教学过程中的重要环节,它是对学生所学知识和能力的一种评价,也是衡量教师教学效果优劣的一种教育测量手段。基于Web技术的在线考试系统可以借助因特网,使得考试地点变的灵活,而且能大大地提高了工作效率,真正地实现了无纸化考试。     

自动组卷策略中遗传算法的优化

自动组卷技术是计算机网络化考试系统中一项必不可少的重要技术,自动组卷技术实现的关键是组卷算法的选择与实现,它将直接影响到组卷的质量。通过建立组卷算法的数学模型,结合遗传算法理论,给出了一种优化的遗传算法的自动组卷策略。     

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。     

改进的遗传算法在组卷中的应用研究

文章主要论述了使用遗传算法组卷的基本步骤,对初始种群的生成、染色体编码及控制参数等进行了研究;并对遗传算子做了适当改进,成功地运用到了智能组卷中;最后通过2次实验分别检验了改进前后的遗传算法对组卷质量的影响以及种群的大小对组卷质量的影响,结果表明改进了遗传算子的遗传算法和适当提高种群的大小能大大提高组卷的质量。     

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.     

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。     

智能组卷系统中的组卷策略研究

智能组卷要满足多重约束目标,它们不是孤立存在的而是相互联系和制约的。文章在研究了目前普遍使用的组卷算法后,提出的组卷策略和算法能够有效的解决多约束目标的满足问题,实验证明此策略有较好的组卷性能。     

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.     

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。     

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。