基于区分度的智能组卷难度正态分布算法

给出了一种依据试卷区分度确定算法参数的智能组卷难度正态分布算法。实例表明,相对于目前的通过设定组卷难度区间的概率和为1来确定算法参数,生成的试卷更好地体现了组卷难度分布设计所要求的试卷对不同考生的知识能力的区分和鉴别的考核要求。     

试题难度呈正态分布的组卷算法

本文建立了一个试卷自动生成算法。试卷中的题目从题库中选出，题量按题目的难易程度呈正态分布。算法还考虑到试题按章节分布的均匀性等问题。该算法具有通用性，可生成文、理、工各类课程的考卷。     

一种计算试卷中试题难度分布的有效方法

该文提出一种依据正态分布函数计算试卷中试题难度分布的方法，并将茯运用于智能组卷系统，计算机仿真结构表明了该方法的有效性。     

试卷生成系统智能组卷算法的研究与实现

为了有效地利用计算机来减轻教师的工作负担,使计算机能够从已有的试题库中自动组合相关试题形成试卷,提出基于难度系数的数学模型,利用正态分布的概率函数确定不同难度级别试题的最大分数,实现自动抽题的随机组卷的智能算法.     

智能组卷中一种控制试卷难度分布的有效方法

在智能组卷中试题难度分布设计是否合理至关重要。根据教育测量学和考试学的理论，考生的成绩应大致呈正态分布。我们可让试卷中各种难度的试题分数也大致呈正态分布，这样就可通过改变试卷的难度分配达到控制考试平均成绩的目的。     

基于IRT的试题难度分布算法

通过对正态分布函数及试题难度表示的深入分析,质疑了两类常用的难度分布算法的正确性。结合难度在IRT理论的定义,导出一种符合正态分布函数基本原理的试题难度分布算法。比较的结果表明,本算法更先进。     

遗传模拟退火智能组卷策略研究

智能组卷是一个包含多重约束条件的最优组合问题,设计有效算法求解优化问题对获得高满意度试卷至关重要,为此,提出了一种基于模拟退火与标准遗传算法的混合智能组卷算法。约束模型采用了基于期望平均分的难度分布函数计算试卷难度系数,该算法模型采用分组实数编码,单点交叉算子,单个和随机两种基因变异算子,并对每代个体进行模拟退火操作。给出了详细的实验对比结果,表明了该算法的有效性。     

基于动态试题难度参数的智能组卷策略*

针对网络考试系统的即时性和高效性,提出了基于动态试题难度参数的智能组卷算法的设计策略,利用二项分布函数做难度曲线分布模型,结合目标函数对试题多种参数进行优化。根据试卷的整体难度,以试题难度参数为优先,运用试题选题参数调节知识点之间的平衡,试题曝光参数选取出卷频率比较低的试题,从而确定各种题型不同试题难度数量,实现快速自动组卷的目标。     

基于差分进化算法的智能组卷方法

如何从庞大试题库中自动生成符合教学和考试要求的一套试卷是目前我国利用计算机进行辅助教学的一个重要研究内容.通过分析用户对组卷的要求和试题结构特征.构建了一个智能优化组卷新模型,同时给出了求解的差分进化算法.数值试验结果表明,所给的方法在组卷效率和质量方面具有更好的性能.     

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。     

智能组卷系统中专家知识的表示与实现

该文对组卷问题进行了深入的研究,确定了组卷问题中一类专家知识,并给出了相应的表现形式和实现途径。实验表明,将这类专家知识应用到组卷系统中使系统能很好地模拟人的思维,实现智能组卷。     

自适应考试难度的智能组卷过程的研究与实现

为了适应各类考试难度不断变化的需要,考试题库中试题的难度级别通常要服从正态分布并且各难度级别的试题被抽中的概率会随考试难度的变化而调整。本文采用离散定义域内正态分布数值法确定各难度级别要抽取的试题题量,进而采用分段分类法和线性乘同余方法均匀随机抽取各难度级别规定的试题题量来生成试卷。该方法具有流程简单、运行速度快、效率高、选题重点突出、适应试卷平均难度多变以及可行性好等特点,已经应用于会计综合考试平台中。     

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。     

一种基于反馈的信任生成算法

安全多方计算中一般合作计算者之间互不信任,为保护私有信息通常采用零信息泄漏的安全策略,从而增加了合作计算复杂性和通信复杂性.提出了一种基于反馈的信任生成算法,通过参与者的历史行为评估其信任度,将参与者的信任度量化表示.根据参与者的信任度采取相应级别的安全措施,可降低合作的计算复杂性和通信复杂性,隔离信任值低的恶意参与者.仿真实验结果表明,该算法在安全多方计算环境中可有效遏制恶意参与者,提高合作成功率.     

基于接口参数的黑箱测试用例自动生成算法

测试用例的选择与生成技术是软件测试尤其是黑箱测试的一个重要研究领域,测试用例的质量将直接决定软件测试的科学性和有效性．该文在一般的测试用例选择方法的基础上,提出了一种基于对接口参数进行组合覆盖的黑箱测试用例自动生成算法模型,据此可以生成一个对所有接口参数进行两两组合覆盖的测试用例表．并证明了该方法产生的测试用例具有数量少、能实现对接口参数最大限度组合覆盖的特点,从而可以在提高软件测试质量的同时,降低成本,提高效率．最后介绍了该算法在作者研究开发的测试数据生成工具中的实际效果．     

基于免疫算法的HLR软件系统测试用例生成

提出了一种基于免疫遗传算法(Immune Genetic Algorithm,简称IGA)的HLR软件测试用例生成模型(Model of Test Case Generation of HLR Software,简称MTCGHS),并详细地介绍了IGA算法的基本思想.通过将IGA算法与传统遗传算法和随机算法在HLR软件测试用例生成中的比较,说明了IGA算法的效率明显高于传统遗传算法和随机算法,同时进一步验证了模型的正确性、可行性.