基于遗传算法的交规考试自动组卷方法研究

针对交规考试试卷的测量标准、试卷和试题的参数进行了分析,论述了交规考试专用试题库组卷系统的设计思想、总体功能及数学模型和实现方法.自动组卷是计算机辅助教学的一个重要内容,针对交规考试试卷的特殊需要,提出了一种用遗传算法解决自动组卷问题的新方法,运用遗传算法的搜索寻优结合分段随机选取初始群体的技术,对驾驶人交规考试中的自动组卷进行了初步研究,并编制了相应的程序,进行了大量的组卷实验.实验结果表明,该算法能大大提高组卷的成功率和工作效率,从而表明该算法应用于交规自动组卷系统是合理、有效的.     

遗传算法在自动组卷中的应用

自动组卷策略是利用计算机自动完成试卷生成的一种方案,整个过程的人工投入少,在很大程度上解放了教师,提高了工作效率。能否自动组出满足用户要求的试卷,与组卷使用的算法紧密相关。采用遗传算法,按照选择编码方式、产生初始种群、计算自适应函数、进行遗传操作、试卷生成的过程,可完成自动组卷操作。     

蚁群算法在自动组卷建模中的应用研究

在自动组卷优化控制的研究中,自动组卷是一个多约束条件下的多目标参数优化问题,各个目标之间互相牵制,采用传统算法求解相当的困难,导致组卷效率和成功率都比较低.结合自动组卷的多目标组合优化特点,提出一种蚁群算法的自动组卷模型.模型首先根据试卷要求建立试卷质量评价体系,然后根据题型、总分、考试时间等要求建立多约束条件、多目标的数学模型,然后用蚁群算法对数学模型进行求解,输出最优组卷方案.仿真结果表明,蚁群算法充分利用了蚁群算法群体智能特点,提高了组卷效率和成功率,很好满足自动组卷的效能要求.     

基于WEB技术的自动组卷方案设计

文章介绍了一种自动组卷方案的设计方法,实现了从题库中自动获取满足考试要求的考试卷。方案采用人机交互的方式精确控制试卷指标,通过一定的算法避免了题目及知识点的重复。     

基于背包问题的在线组卷算法

针对当前计算机在线自动组卷效率低和效果不理想的问题,提出一种基于背包问题求解的组卷算法,并改进了传统的背包问题求解思想:即按照题型和难度将试卷大包划分成试卷小包,进而分别求解,利用背包问题求解其过程。实验表明,算法可根据专家设计的组卷策略自动生成试卷,效率和成功率都是比较理想的。     

人工智能在自动组卷建模中应用研究

关于研究组卷的可信度和效度问题,组卷方法耗时长、效率低,组卷成功率低.为了提高自动组卷成功率,提出自动组卷算法,通过建立多约束目标优化模型,用蚁群算法自动组卷方法.首先按照试卷要求建立一个多约束的数学模型,然后用蚁群算法快速和智能搜索能力对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于传统组卷算法,提高了组卷效率,组卷成功率也相应提高,很好的满足当前网络在线考试系统的实时性较高组卷效率.     

自动组卷的建模和仿真研究

研究优化自动组卷问题,自动组卷要求快速获得满足用户的组卷,是一个NP难题,传统组卷组算法存在耗时长、效率低等缺陷,组卷成功率低.为了提高组卷成功率,提出一种遗传算法的智能组卷模型.首先按照试卷难度、区分度、考试总分、考试时间和题型要求建立多目标、多约束数学模型,然后采用遗传算法对数学模型进行求解,得到最优组卷方案.仿真结果表明,相对于其它自动组卷算法,改进遗传算法提高了组卷速度和效率,组卷成功率也相应有所提高,获得组卷质量更优,有效地解决优化自动组卷方法问题.     

集合随机抽选法在智能组卷中的研究

提出了一种基于集合的随机抽选的智能组卷算法,该算法是以集合论为基础,将智能组卷的要求形式化,将满足要求的试题组成试题库集合,采用集合随机抽取算法进行试题组卷.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,同时针对由算法所引起的修改操作困难提出了解决方法.将用户的组卷要求用集合的形式描述出来,满足要求的试题被组成试题库集合,采用集合随机抽取算法进行自动组卷.     

自动成卷系统的试卷相似度研究

自动成卷是把人工智能技术与人类教育专家的知识和经验相结合,由计算机来自动设计试卷内容,本文为来自动成卷系统设计并实现了一种计算试卷相似度的方法.对专家选定的样卷,该系统能够自动地在题库中寻找合适的试题,利用信息检索领域中句子相似度的计算算法,计算出试题相似度,进而计算出试卷的相似度,对试卷的相似度进行了定量表示,从而提高了自动成卷的质量.     

基于Visual C ++的自动组卷系统的实现

自动组卷系统是在已有的题库基础上,按照考核目的随机生成一份满足一定要求的试卷管理系统.在该系统中,计算机如何自动选题形成一套科学合理的试卷是最关键的问题,本文以《C语言程序设计》试题库为例,详细阐述在试题库中自动组卷的过程.     

改进的遗传算法在智能组卷中的应用研究

讨论智能组卷问题求解的理论模型,根据人工智能中的遗传算法的原理和思想,通过采用新的编码方式、交叉算子和变异算子等方法,利用自适应遗传算法实现单套和成批试卷生成.通过实例分析,实验结果表明该组卷方法具有组卷成功率高和组卷速度快的优点.     

基于多机调度问题的动态规划算法

动态规划设计策略对许多具有最优解的实际应用问题的解决是灵活和有效的。文中首先针对在多机系统的操作系统的一类多机调度问题进行了分析,并给出了该类问题的动态规划算法,最后对所给算法的复杂度进行了分析和讨论。实验结果验证了所提出方法的有效性。     

基于遗传算法的最短路径的计算

交通系统中的最优路径算法等同于图论中的最短路径算法,根据不同的具体要求可以是长度最短或行驶时间最短。由于问题的特征、网络特性等的纷繁复杂最短路径算法表现出多样性。除了经典的方法外,近年来出现的模拟退火、Tabu搜索和遗传算法等在优化问题中获得了广泛的应用,本文主要讨论了用改进的遗传算法求解最短路径的方法。     

三电平逆变器基于d—q坐标系的SVPWM算法

本文分析了中点钳位（NPC）式三电平逆变器的工作原理，介绍了三电平逆变器基于d-q坐标系的控制算法。为解决在电压源型逆变器中的中点电位不平衡问题，提出了基于控制因子m的滞环比较法和基于控制因子ms0的准确计算法的控制策略，并采用Matlab的Simulink软件进行了系统仿真。仿真结果表明，该两种方法对于解决中点电位的平衡都有一定的效果。     

计算机取证过程中基于约束的数据质量问题研究

为了发现线索,提高数据质量,提出了一种应用于计算机取证领域的基于约束的数据修复算法。首先,利用等价类,针对不同的约束对数据进行初始化;然后,对初始化阶段发现的有问题的数据进行修正,修正值依据约束类型的不同而取不同的值;最后, 根据函数依赖集合和其他约束集,对经过修复的单元格集合重新生成问题单元格集合,如果依然存在问题单元格集合,则继续修复,直到不存在问题单元格为止。实验数据证明了所提方法的有效性和高效性。     

基于动态因子均值的动态帧时隙ALOHA算法研究

动态帧时隙ALOHA算法是基于概率型的ALOHA算法的改进算法。在一定范围内,该算法识别标签时,帧时隙数能够随着标签数量的增加而动态增加;但当识别大量标签时,由于读写器硬件的限制,资源利用率和系统吞吐量大大降低。针对此问题,提出了一种基于动态因子均值估计算法的动态帧时隙ALOHA算法。首先,使用动态因子均值标签估计法对标签数量进行准确估计;然后,使用所提出的动态帧时隙ALOHA改进算法对准确估计的标签进行分组,并按照分组依次进行识别;最后,分别对动态因子均值标签估计算法和应用该标签估计算法的动态帧时隙ALOHA算法进行仿真。仿真结果表明,所提标签估计算法能够对标签进行准确的估计,使估计误差保持在5%的范围内。基于动态因子均值标签估计算法的动态帧时隙ALOHA算法能够保证30%以上的高系统利用率,而且整个识别过程所需的帧时隙数比动态帧时隙ALOHA算法下降了45%左右。     

基于最优分类数及遗传算法的灰度图像多阈值自动分割法

如何确定分类数是模式识别和图像分割中常要面对的难题。文献犤1犦提出了一种基于阴阳机制确定最优分类数的模式聚类方法。该文在文献犤1犦的基础上,导出了一个新的用于评价灰度图像多阈值分割的评价标准,并结合遗传算法,提出了一种用于灰度图像的多阈值自动分割方案。试验表明,该法具有较强的鲁棒性、适用性、非监督性。     

一种基于选择的遗传算法

鉴于标准遗传算法比较容易产生早熟现象和模式欺骗而收敛于局部最优解,论文对标准遗传算法的遗传操作进行了改进,提出了基于选择的遗传算法(GA_S)。在该算法中,首次提出了基因选择算子、广义精英算子、引进选择算子、基于精英集的成长期变异等概念,并对其进行了比较详细的描述。之后,使用7个经典测试函数对其进行了大量实验。实验表明算法对早熟和模式欺骗具有较强的突破能力。     

对WDM网络中一种路由算法的改进

路由问题始终是WDM全光网络中的一个核心问题。原有的一些WDM网络动态业务路由算法,在对链路赋权求最短路时,用链路上已使用波长数对链路直接赋权,或者链路权值与链路上已使用波长数成倍数关系。这种策略在一定程度上可以均衡各条链路的使用率,但缺乏对建立连接所用跳数的考虑,特别是在多优先级业务网络中,没有体现对不同优先级业务的区别;同时,链路的权值和已用波长数成线性关系,对“瓶颈”链路的禁用力度不够。新算法对原算法做了改进,将链路的使用率与路由的跳数结合起来对链路进行赋权。新算法可根据业务的属性、优先级别等灵活地调整链路权值,使得连接尽量建立在链路使用率较低,且跳数较少的路由上。     

基于并行遗传算法的智能公交排班研究

智能公交排班问题是公交车辆智能调度的一个典型问题之一。它可以描述为：利用某种智能化算法,在有限的步骤内,找出所有满足约束条件的最优或者接近最优的排班方案。由于排班问题搜索规模巨大,传统算法在短时间内难以获得高质量可行解。文章引入并行遗传算法,对三种主流并行模型进行评价分析,并设计了求解车辆排班问题的粗粒度并行遗传算法,编制了算法实现程序。