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。     

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。     

一种改进遗传算法在智能组卷中的应用

目前,国内外许多科研单位和学校机构对智能组卷技术进行了大量的研究,其中基于遗传算法的智能组卷技术最为先进,但由于组卷问题的复杂性,仍然存在许多的不足,本文尝试从遗传算法在智能组卷中的实现上进行技术改进,以克服组卷时间长、算法收敛快等缺陷.     

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智能组卷在试题库建设中的研究

智能组卷是计算机辅助教学（CAI）中一个重要的研充课题,本文通过分析组卷的各项约束指标,建立了智能组卷的数学模型,并提出了～种基于改进遗传算法的好的智能组卷算法。     

通用在线考试系统智能组卷遗传算法设计

组卷算法设计是考试系统设计的核心。在分析通用在线考试系统的特点及组卷原则的基础上,首先建立一种改进的组卷数学模型;接下来依据该模型主要从编码方式选择、适应度函数的确定以及遗传算子的设计等方面详细设计通用在线考试系统采用的改进的遗传算法;最后,给出基于改进的遗传算法的智能组卷流程。应用表明,采用该算法实现的本系统的组卷功能在组卷的速度和成功率都得到显著提高,较好地满足了各类课程的组卷需求。     

基于遗传算法的智能组卷系统实现

遗传算法是数据库技术应用的一种表现形式,本论文从遗传算法,改进的遗传算法,智能组卷的基础理论,依据改进的遗传算法生产智能组卷系统。     

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。     

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。     

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。     

改进型遗传算法智能组卷系统研究

研究测试理论和组卷过程的数学模型,分析利用遗传算法来实现智能组卷的目标：求解出满足用户条件要求的一套最优试卷。同时重点研究简单遗传算法＂早熟＂现象的原因,对参数编码、种群初始化、遗传操作和控制参数等方面加以改进。通过仿真实验表明,改进型遗传算法比简单遗传算法具有收敛速度快、稳定性高的优点,同时能有效地避免＂早熟＂现象,从而较好地实现智能组卷。     

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。     

改进型遗传算法智能组卷系统的设计与实现

本文介绍了改进型遗传算法智能组卷系统的需求分析,然后根据分析结果来设计和实现具有良好的通用性和可扩展性一套智能组卷系统,其中组卷算法的关键点给出了具体的实现代码。     

基于SQL Server数据库的智能组卷系统开发

研究试题库管理与智能组软件系统的整体框架.利用ADO.NET实现了SQLServer 2000中试题库的管理功能,开发了题库管理软件系统.在遗传算法的基础上,提出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,改进的遗传算法具有较好的智能组卷性能,实现了高效智能组卷.     

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。