分段随机抽选法在智能组卷中的研究与应用

在智能组卷方案中，提出一种新的“分段随机抽选法”，并用该算法与传统的组卷算法在生成试卷的效率上进行了比较，同时针对由本算法所引起的修改操作困难提出了解决方法。该系统是在Windows环境下，使用Borland Delphi6．0，采用ADO数据存取技术访问Microsoft Access数据库实现的。     

基于集合随机抽选法的智能组卷的研究与应用

提出了一种基于集合的随机抽选算法,可以解决传统随机抽选算法在试题库组卷过程中重复试选和难以一次组卷成功的问题。运用集合的方法,把试题按属性组成不同的集合,用集合随机组卷算法来实现试题组卷。给出了算法的参数定义和描述,并分析了该算法与传统随机算法在执行效率上的区别。该算法可以有效地改善传统随机算法的执行效率,并已经成功应用于实际网络考试系统中。     

浅析遗传算法在智能组卷系统中的应用

该文介绍了遗传算法的基本原理和构成要素,分析了遗传算法的特点,在遗传算法的研究基础上,找到了一个很好的策略过程应用于智能试卷,提高运行的速度,避免了标准算法容易早熟现象,具有更好的健壮性,是一种很有发展潜力的优化方法。     

浅析遗传算法在智能组卷系统中的应用

该文介绍了遗传算法的基本原理和构成要素,分析了遗传算法的特点,在遗传算法的研究基础上,找到了一个很好的策略过程应用于智能试卷,提高运行的速度,避免了标准算法容易早熟现象,具有更好的健壮性,是一种很有发展潜力的优化方法。     

基于知识点和改进随机抽取算法的智能组卷方案研究

组卷和试卷测评是在线测试系统的核心内容。文章提出了基于知识点和改进随机抽题算法的智能组卷方案,实现了快速组卷过程。该算法已经成功应用于实际在线测试系统中。     

改进的PSO算法在智能组卷中的研究与应用

文章研究了在线考试中的核心技术-智能组卷,对传统的PSO算法进行了说明,并提出了一种改进的PSO算法,利用改进的PSO算法对智能组卷问题进行求解。     

自适应遗传算法在智能组卷中的应用

遗传算法以其具有自适应全局寻优和智能搜索技术,并且收敛性好的特性,能很好地满足自动组卷的要求,但简单遗传算法比较容易引起"未成熟收敛"和"搜索缓慢"等问题。本文提出自适应性的交叉和变异算子,能够降低多重约束目标,有效维持种群的多样性,避免产生局部最优解,改善未成熟收敛。     

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。     

智能组卷中组卷目标的满足性检查与处理

智能组卷是教育测量标准化、规范化的重要组成部分,但不符合题库条件的组卷目标会导致组卷失败.为此,提出一种组卷目标的满足性检查与处理模型,给出满足性检查的判定准则,对分解目标的满足性检查与调整进行算法设计,并利用Transact-SQL对其实现.实验表明,模型能够提高组卷的效率和成功率.     

改进的遗传算法在智能组卷系统中的应用研究

试题组卷是考试系统的重要组成部分,而遗传算法是考试系统中最常用的一种算法。本文分析智能组卷问题的目标要求,并建立该问题的数学模型,提出使用基于遗传算法GA(Genetic Algorithm)解决组卷问题的新方法。将该方法运用到Java课程智能组卷系统中,实验证明该算法在组卷中的应用可以有效克服遗传算法中早熟的现象,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,并且保证了组卷的质量。     

改进的基于知识点均衡的智能组卷方案

针对当前在线考试基于知识点智能组卷的需求,分析了现有的基于知识点组卷方案存在的问题与不足,提出了一种改进的基于知识点均衡的智能组卷方案。首先介绍了知识树的建构方法,然后对试题库结构进行了研究与设计,进而具体论述了知识点均衡策略,最后对算法的实现作了整体阐述。     

多约束分级寻优结合预测计算的智能组卷策略

针对智能组卷中多约束制约降低组卷成功率且难以实现知识点自动均匀分布的问题,提出一种多约束分级寻优的策略,通过分级降低问题规模,利用树形结构管理知识点实现知识点均匀分布;针对中小型题库组卷成功率低的问题,在分级寻优中针对章节约束和题型约束提出了一种基于预测计算的无回溯的智能组卷算法,提高组卷成功率。实验测试表明,算法适用于大、中、小型题库,均能得到较理想的组卷结果。     

通用考试系统开放题库与组卷及评卷算法研究

介绍了通用考试系统开放题库设计思想,分析了组卷中随机抽题算法,并给出了VFP实现的源程序,同时对主观题、客观题评卷算法及题库加密、解密算法进行了探讨。提出利用专家系统（主要采用正向推理的方式进行评估）完成对主观题的评阅,解决了传统无纸化考试只能考察客观题的缺陷。     

分布式遗传算法在智能组卷中的Web services实现*

研究了分布式并行遗传算法的智能组卷问题。设计了在校园网范围内的分布式Web服务的组卷系统,通过多线程的软件结构实现了Web服务之间的相互调用及反馈机制,采用基于Base64的预先基因压缩方案来提高SOAP性能。仿真试验证明了分布式Web服务的组卷系统不仅可以极大地减少组卷时间、具有良好的容错能力,同时也能一次生成多套试卷,为构建B/S模式下的机器考试系统提供了依据。     

基于元胞遗传算法的智能组卷的研究

智能组卷是一个包含多重约束条件的目标优化问题,遗传算法的群体搜索策略可以为多目标优化提供较好的解决方案。但传统的遗传算法在组卷过程中存在收敛速度慢、收敛性较差等缺点,组出的试卷质量不高。提出一种新的元胞遗传组卷算法,将群体中的所有元胞按照一定的演化规则演化之后,再进行遗传操作,并把该算法应用到智能组卷中。实验结果表明,新的元胞遗传组卷算法与传统的遗传组卷算法相比,可以有效地提高收敛速度,并能进一步改善收敛性,组出的试卷更加符合人们的要求。     

藏文自动组卷系统中试题消重方法研究

在计算机自动组卷系统中,试卷中试题的互异性是评价自动组卷系统性能的一个重要指标,而试题的互异性或相似度是由多个参数共同决定的。根据藏文试题的结构特点,提出了一种试题相似度的计算方法,力求提升自动组卷系统的组卷性能。     

基于自适应算子的遗传算法多目标智能组卷

利用ADO.NET实现了SQL Server 2000中试题库的编辑功能,开发了题库管理软件系统框架。在遗传算法的基础上,提出了一种改进的智能组卷方法,有利于提高进化速度,避免陷入局部最优。实例分析表明,该方法具有较好的智能组卷性能。     

一种基于CHC算法的自动组卷方法*

利用改进的遗传算法——跨世代异物种重组大变异(cross generation heterogeneous recombination cataclysmic mutation,CHC)算法提出了一种自动组卷方法。初始种群即初始试卷集利用具有启发式信息的搜索算法产生;适应度函数是用户指定的试卷总体指标与试卷实际指标绝对误差的加权和;选择操作群体为当前群体与上世代群体的群体总和,因为大个体群操作可以更好地保持遗传多样性;交叉操作采用单点交叉方法。变异操作的步骤是：从上世代个体中挑选适应度较差的个体,对其中的     

基于模拟退火遗传算法的自动组卷系统研究

从题库中抽出一组满足多项要求的试题是一个组合优化问题,针对该问题,比较了目前几种组卷算法的特点,提出把一种实数编码的模拟退火遗传算法应用在自动组卷问题中.为了对群体中每个个体进行调整并改善单一遗传算法的性能,该算法以遗传算法流程作为主体流程,在主流程中嵌入模拟退火算法.与现有遗传算法相比,该算法能较好地克服未成熟收敛现象,并且组卷的成功率和速度有明显的提高.