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。     

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.     

基于改进遗传算法的自动组卷问题研究

研究自动组卷优化问题,由于题库组卷的随机性,难度很大.在自动组卷研究中,遗传算法(GA)容易出现早熟、收敛速度慢等问题,为了快速可信地组卷,提出一种基于改进遗传算法的智能组卷算法(IGA).IGA算法在传统遗传算法的基础上,用符合组卷问题特点的实数编码、条件初始种群和分段交叉和变异算子来保证种群的多样性,防止早熟现象,采用加权误差的适应度函数加快收敛速度.通过进行仿真,结果表明,IGA相对于自适应遗传算法和标准遗传算法,提高了组卷有效性、稳定性和计算效率,能有效解决自动组卷问题.     

基于改进遗传算法的自动组卷问题的研究

自动组卷优化问题的研究,由于题库组卷的随机性,难度很大。针对传统遗传算法在自动组卷中存在的未成熟收敛和收敛速度慢等问题,为了快速可信地组卷,提出了一种改进的遗传算法。该算法采用模拟小生境法选择算子进行种群选取,并对交叉算子和变异算子进行了优化,实现了交叉和变异概率的非线性自适应调整。进行仿真实验,结果证明,改进的遗传算法在组卷的有效性、稳定性和收敛速度等方面有显著的提高,更能有效解决自动组卷问题,具有较好的使用性能和实用性,能够极大的满足用户组卷的需求。     

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,提出一种基于粒子群遗传算法的智能组卷策略,将群体中的粒子和个体极值、群体极值进行遗传算法中的交叉操作与粒子本身展开变异操作,同时通过自适应调节交叉概率和变异概率、分段实数编码等方式,提升算法性能。最后经过对比实验验证该算法的优势。     

基于改进遗传算法的智能组卷系统研究

试题组卷是考试系统的重要组成部分.通过在编码策略、适应度函数、遗传算子、控制参数等方面的研究提出一种适应于试题智能组卷的改进遗传算法.对适应度函数的适当定标和建立自适应的交叉概率和变异概率,有利于克服未成熟收敛和遗传漂移现象,同时能在维持群体多样性的情况下,防止群体进入局部最优.实验证明改进遗传算法比传统的遗传算法能更有效地提高组卷的效率.     

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。     

改进遗传算法智能组卷的研究与应用

组卷问题是一个多目标的约束优化问题,是在线考试系统的重要组成部分。通过对智能组卷建立数学模型,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。     

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。     

在线组卷策略的研究与设计

为了解决在线培训考试系统中多目标约束下的组卷问题,对组卷过程建立了多目标约束的数学模型,采用了基于改进的遗传算法的智能组卷策略,通过模拟生物种群演化来完成对符合约束条件的试题筛选,同时提出了二次组卷分发策略来保证试卷中试题分布的随机性。实验结果表明,改进的遗传算法提高了算法的收敛性和搜索能力,相应的智能组卷策略提高了多目标约束下组卷的质量和效率,生成的试卷能够满足用户的需求,二次组卷分发策略保证了在线考试的公平性。     

自适应遗传算法在工程训练在线考试中的应用

在工程训练中心车间信息化实现的基础上,针对工程训练管理系统中考试模块现有组卷方式所带来的抽重复题、组卷效率低下等问题,以满足在线考试的实时性要求。为此,给出一种改进的遗传算法,采用分段整数编码,改进初始种群的产生方法,有效提高了算法的收敛速度,并自适应调整遗传算子,在进化过程中增加去重题策略及最优个体保存机制,维护了种群多样性,保证了运算结果的质量。实验结果表明,该算法不但解决了系统组卷原有的问题,在迭代次数、运行时间和组卷精确度上均明显优于随机组卷法和简单遗传算法。     

基于遗传算法的智能组卷系统的研究与实现

组卷系统的研发不仅涉及到组卷数学模型建立的问题,还包括对其应用适合的组卷算法的研究。由于遗传算法具有全局寻优和智能搜索的特性,所以本文将该算法引入智能组卷。然而若要寻求到真正适合的组卷算法,必须对现有的遗传算法加以改进。本文对遗传算法改进主要体现在以下几个方面:编码策略、适应度函数的选取和遗传算子及控制参数的设计等等。改进的遗传算法在组卷中的应用可以有效克服未成熟收敛,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,取得了满意的组卷效果。     

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。     

概率表示的二进制粒子群算法在组卷中的应用

在组卷优化问题的研究中,组卷受到多约束条件的限制。为提高在线考试系统中试卷的质量,提出采用概率表示的二进制粒子群优化算法(BPSO)的智能组卷策略,采用粒子群优化算法有效克服遗传算法的局部搜索能力差,以及导致"早熟"和收敛速度不理想等缺陷。在标准粒子群算法基础上,利用贝叶斯公式对粒子群算法进行改进,克服人为因素对算法收敛速度的影响,同时算法的时间性能和空间性能得到进一步提升。通过仿真证明改进算法是一种切实可行的组卷策略。     

混合股遗传算法及其在智能组卷中的应用

为了在尽可能短的时间内找到问题的最优解,本文在采用股遗传算法高适应度个体遗传速度快、抑制劣质基因的遗传漂移、能够保持群体的多样度、减少早熟收敛现象的发生等优点的基础上,引入了变异过程中的预选择机制来保持优良个体,避免优良基因的丢失,提高种群的整体水平,从而提高算法的性能.将改进的股遗传算法应用于智能组卷,并引入了分段的整数编码和选题过程中的变异操作来提高组卷速度和避免重题的出现.实验结果表明:改进的股遗传算法与标准遗传算法、股遗传算法相比,该算法能大幅度的提高组卷质量.     

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.     

智能组卷及网上考试系统的研究与应用

通过对现有的网上考试系统及组卷算法的研究,提出新的网上考试系统设计方案。对现有考试系统的数据库进行改进,及对现有的多目标、多约束矩阵组卷模型通过线形转换成单一目标向量规划组卷模型。针对该模型提出一种基于混沌遗传算法的智能组卷技术,并根据该算法及组卷特征,对编码方案做相应的改进。以改进后的数据题库为测试用例,对所提算法的性能进行测试。结果表明,与遗传算法相比,所提的算法在组卷成功率、速度及质量方面均得到改善。     

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。