自适应遗传算法在智能组卷中的应用研究

以传统自适应遗传算法为基础,提出了一种改进的智能组卷算法,基于该算法,设计并实现了一个《编译原理》课程智能组卷系统.结合实际问题建立了组卷问题的数学模型,并针对该数学模型对遗传算法的编码方式和种群最优保存策略进行了改进.改进后的算法在保证组卷质量的前提下,提高了搜索速度并且有效避免了传统遗传算法中经常出现的早熟现象.     

基于改进遗传算法的自动组卷问题研究

为了解决传统遗传算法在自动组卷中容易出现未成熟收敛和收敛速度慢等问题,提出了一种基于改进遗传算法的自动组卷方法。采用分段二进制编码策略,对每个子空间进行初始种群选择,保证了初始种群舍有丰富的模式,从而增加搜索收敛于全局最优的可能性。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随解的变化而自适应调整。实验结果表明,改进的遗传算法能有效地解决自动组卷问题,提高了收敛速度和组卷的成功率。     

遗传算法在计算机自动组卷中的应用研究

遗传算法具有价格低廉且自动组卷效率较高的优势特点,将遗传算到法运用计算机自动组卷过程中,是提高自动组卷执行效率,促进自动组卷质量的有效措施。文章在论述了遗传算法的基本原理及其特征的基础上,分析了组卷问题的有关数学模型以及遗传算法的基本原理,并提出了改进遗传算法在试题组卷中的应用的具体方案,包括:确定编码方案、适应度函数的确定、组卷问题中对遗传算子的改进、遗传算法控制参制四个主要方面。     

基于遗传算法的智能组卷系统设计

传统人工组卷方式易受到教师的主观性影响,无法保障试卷质量及合理性。智能组卷系统能够快速合理的设计出优质试卷,极大地减少教师的工作量的同时,更能满足不同水平的学生个性化组卷需求。智能组卷系统具备巨大的现实应用价值。基于遗传算法设计开发了智能组卷系统。首先,基于遗传算法基本原理对系统算法模块进行设计,明确组卷策略;然后,对组卷问题特征属性和试卷评价标准等进行分析,构建智能组卷系统功能结构图,实现遗传算法智能组卷系统的设计;最后,对智能组卷系统的测试结果进行分析总结。结果表明,系统完成了智能组卷的预期目标,具有很高的运算效率。     

基于改进遗传算法的组卷策略与实现

为了更好地解决组卷质量和组卷速度之间的矛盾，文章提出了一种基于改进遗传算法的组卷策略．对遗传算法的个体编码、初始种群、杂交运算进行改进。实验结果表明，该算法提高了组卷速度，具有较好的实用性。     

基于改进遗传算法的组卷系统在电子商务模拟系统中的应用

遗传算法是对初始的种群进行逐渐搜索,通过对染色体的选择、交叉、变异,直到找到较好的个体。它因在处理组卷问题时具有全局寻优、效率较高等优势,得到了较为广泛的应用。但传统的遗传算法,初始种群是随机产生,其结果是求解的效率并不是很高。本文设计了一种改进遗传算法的智能组卷算法过程。组卷的速度和成功率都得到显著提高,可适用于大型题库系统和复杂约束条件的组卷需求。     

网络教学平台中基于改进SGA的在线考试的研究与设计

首先介绍了网络教学平台结构及在线考试功能,然后针对在线考试系统组卷时使用传统遗传算法产生的早熟问题,提出了一种改进的遗传算法SGA。该改进遗传算法在染色体编码、染色体库新个体引入机制等方面作了改进。最后介绍了在线考试阅卷方法及技术。通过系统测试和学生考试实用,结果表明基于改进遗传算法的在线考试系统避免了早熟的产生,缩短了组卷时间,提高了组卷质量和组卷效率。     

基于遗传算法的智能组卷方案研究

组卷问题是一个多目标约束优化问题，为了快速组成难度呈正态分布的高质量试卷，就必须降低约束目标。文章提出一种基于遗传算法的智能组卷方案，采用十进制分段编码，改进了传统的初始化种群方法，优化了搜索过程。实验证明该方案具有较好的性能和实用性。     

浅谈基于遗传算法的自动组卷技术的研究

本文从分析自动组卷技术的发展出发,分析了目前三种常用的组卷技术存在的优缺点,描述了自动组卷过程中试题库的设计,详细的阐述了基于遗传算法的自动组卷技术中传统的遗传算法存在的不足,并提出了对遗传算法的改进和优化,主要针对染色体编码的改进、适应度函数设置的优化、交叉算法的改进以及变异算法的优化四个方面进行研究。     

改进遗传算法在组卷中的应用

国内外许多科研机构对基于遗传算法的组卷问题进行了大量的研究,但由于组卷问题的复杂性,仍存在许多不足.本文尝试在遗传算法基础上进行技术改进,以克服组卷速度慢、算法局部收敛的缺陷.     

模拟电子技术试题库智能组卷算法研究与系统实现

随着现代教育技术和计算机技术的高速发展,教育领域考试的无纸化、电子化、分值科学化是发展趋势。用于课程考试与远程自学测试的电子试题库与自动组卷系统是计算机辅助教学的重要研究内容之一,其中智能组卷算法是技术关键问题。针对试卷生成目标及要求,建立了智能组卷系统的数学模型,提出了一种面向分值目标的混合组卷算法。对模拟电子技术试题库自动组卷系统进行了应用实例分析。实验结果表明所提出的方法能有效解决电子试题库研究中的智能组卷问题,具有较好的综合性能。     

基于EDPSO算法实现智能组卷

组卷问题是一个多重约束的组合优化问题,目前已有多种组卷策略、组卷算法都从某一方面或某几方面对智能组卷系统进行了改进和研究,并取得了一定的进展,文中基于分布估计离散粒子群算法进行了组卷.     

地面机动目标跟踪方法研究

地面机动目标的跟踪是智能信息处理研究的一个重要问题。介绍了地面机动目标跟踪的方法,提出了基于地理信息的目标关联方法,主要采用智能启发式路径搜索算法,利用地理信息对目标经过位置进行评估从而形成最优路线。该方法通过提取地理信息计算补偿因子,选择代价小的节点作为下一步搜索对象,比盲目型深度优先或广度优先搜索提高了效率,试验表明该方法是可行的。给出了算法的详细实现步骤。     

基于差异演化算法的QoS全局最优动态Web服务选择

QoS全局最优动态Web服务选择是服务组合中的一个难题。基于差异演化算法,设计一种用于解决该问题的DE-GODSS算法。算法的主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,然后利用差异演化算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集。理论分析证明DE-GODSS算法的时间复杂度优于已有的多目标遗传算法,且实验结果表明该算法的收敛速度优于已有的多目标遗传算法。     

计算机等级考试智能考试模式的研究

实现全面智能网络考试模式已成为计算机等级考试目前的发展趋势.本文结合人工智能中相关技术提出了"三维一体"的立体式智能考试模式TDOS,即智能组卷、智能阅卷、智能分析及评价反馈质量保障体系.几年的实践教学表明,智能考试模式能使学生在网络考试环境下进行多维立体式互动获取课程考点相关知识,较好地提高了学生计算机等级考试的通过率,该考试模式具有较强的适用性和推广价值.     

智能网中的安全机制

安全机制是智能网的核心问题之一，也是智能网实现互连的主要问题。本文从智能网所面临的威胁入手，提出了解决问题的策略，可变证码算法，互相认证算法和信息加密算法等，并对这些算法进行了分析和说明。     

一种基于多层次识别的免疫算法及其改进

具有自适应功能的算法是实现智能化信息安全系统的关键。免疫算法是模拟生物免疫系统功能的一种智能学习算法。论文介绍了一种全新的免疫学习算法。该算法特有的多层识别机制可以更加准确有效地识别外部入侵。针对该算法识别器生成周期长的缺陷,文章又提出了一种基于遗传算法的识别器生成方案。     

基于Q-Learning的认知无线电系统感知管理算法

认知无线电系统不仅是一个自适应系统,更应该是一个智能系统。该文将智能控制中的Q-Learning思想引入到认知无线电系统中,用于解决感知任务在认知用户之间的分配问题,给出了一种基于Q-Learning的感知管理算法。该算法在不知道信道状态信息以及不需要对主用户业务进行估计的假设下通过不断地与环境进行交互和学习来给认知用户分配感知任务。仿真表明,该算法能够提高感知效率,并且收敛速度较快,可作为未来认知无线电系统走向智能化的一种尝试。     

改进的基于蜜蜂进化型遗传算法和蚁群系统混合的元件贴装优化

针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,BAHA).该算法的关键有4点:①通过两个种群的融合实现信息共享,提高算法的收敛速度;②采用改进的OX的交叉算子,合理保留优秀个体基因的排列顺序;③加入局部搜索算子,在当代最优解附近进行更加精细的搜索;④信息素重置防止陷入局部最优解.用TSP30问题、eil51问题与相关文献进行对比测试,仿真结果表明BAHA收敛速度快,寻优能力强.通过对5种不同PCB板的元件贴装顺序进行优化计算,结果表明,BAHA能有效的提高贴装效率.