基于混合遗传算法的自动组卷问题的研究

针对遗传算法(GA)容易出现未成熟收敛和进化后期计算效率低的问题,提出了一种基于混合遗传算法(HGA)的智能组卷算法.将自适应遗传算法(AGA)与位爬山法相结合,提高组卷性能.在进化前期采用AGA进行全局寻优,增强GA的收敛速度同时避免GA的未成熟收敛.在进化后期启动位爬山法增强AGA的局部搜索能力.试验结果表明,HGA相对于AGA在有效性、稳定性和计算效率三方面都有较大提升,更能有效解决自动组卷问题,具有较好的使用性能和实用性.     

面向自动组卷问题的改进类电磁算法

类电磁算法（EM）中局部搜索是按一定步长进行线性搜索,在这个范围内寻找个体在某一维上的最优值。由于步长的限定,求得的该维上最优值可能远离实际的最优值。采用遗传算法（GA）中选择因子和交叉因子可以很好地解决这一问题。在组卷系统中,通过基于遗传算法改进的类电磁算法（Based Genetic Electromagnetism-like Mechanism Algorithm,GEM）与GA算法以及采用线性局部搜索的EM算法实验的比较,证明该算法有更高的组卷效率。     

遗传算法在自动组卷中的应用

为了减轻考试系统中老师出卷的工作量,并使出卷更加合理与科学化,此文通过遗传算法设计了一种新型的自动组卷系统,该系统首先介绍了遗传算法的基本思想与优势,其次利用随机搜索方法对自动组卷系统中各个功能模块进行了详细的设计,其中主要包括自动组卷系统中的编码方案的确定、自适应度函数的创建、选择交叉变异算子以及控制参数计算,最后,我们对基于遗传算法的自动组卷系统进行了成功的实现,整个系统运行正常。     

遗传算法在计算机自动组卷中的应用研究

随着我国科学技术不断发展,计算机已成为推动行业发展的内在动力,在计算机技术基础上创设试题库,满足不同专业实践自动组卷目的,确保选题科学合理、考试高效规范.通过对遗传算法在计算机自动组卷中的应用进行研究,以期为推动我国考试良性发展,提供行之有效的理论参考依据.     

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。     

改进遗传算法在自动组卷中的应用研究

为了避免遗传算法在自动组卷中存在的未成熟收敛和收敛速度慢等弱点,根据群体适应值的分布特点,采用了基于小生境的改进自适应遗传算法。该算法采用模拟小生境法选择算子进行种群选取,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的非线性自适应调整。改进后的算法明显提高了组卷的成功率和收敛速度,取得了满意的组卷效果。     

一种自适应遗传算法在自动组卷中的应用

本文研究了自适应遗传算法存在的问题,提出把可进化性的自适应遗传算法用于自动组卷,分析了个体的可进化性,针对可进化的自适应遗传算法和自动组卷的特点,分析和设计了编码、适应度函数和操作算子.     

改进的遗传算法在组卷中的应用研究

文章主要论述了使用遗传算法组卷的基本步骤,对初始种群的生成、染色体编码及控制参数等进行了研究;并对遗传算子做了适当改进,成功地运用到了智能组卷中;最后通过2次实验分别检验了改进前后的遗传算法对组卷质量的影响以及种群的大小对组卷质量的影响,结果表明改进了遗传算子的遗传算法和适当提高种群的大小能大大提高组卷的质量。     

专家系统在自动组卷中的应用

专家系统是人工智能的领域中的一个重要分支。本文对专家系统的产生和发展、开发工具、应用领域、结构、特点及优点等作了一一介绍,并将专家系统知识应用于 Office 自动组卷中,结合专家系统基本结构给出系统的结构框图,利用计算机领域专家的知识解决以往组卷中存在的问题,试题分模块进行管理,便于系统维护。     

混合遗传聚类算法在Web使用挖掘中的应用

对Web挖掘进行了概述,分析了Web使用挖掘的关键问题,设计了一个基于遗传算法的KP混合聚类算法,并应用于Web使用挖掘的访问者模式识别处理。系统的实验结果表明,提出的算法和推荐策略在Web使用挖掘的处理过程中是科学的和有效的。     

计算机自动组卷算法分析

本文分析了计算机自动组卷算法的约束满意特性，并结合一个实际的题库管理系统的设计与实现，从策略上讨论了如何解决自动组卷算法中的约束满意问题。     

基于改进遗传算法的自动组卷研究

在分析研究已有相关算法的基础上,提出了一种基于遗传算法的自动组卷优化算法。算法的优化主要体现在基于相对权重的适应度函数的设计、基于约束条件的初始种群选择及具有自适应性的算子设计。     

自动组卷策略中遗传算法的优化

自动组卷技术是计算机网络化考试系统中一项必不可少的重要技术,自动组卷技术实现的关键是组卷算法的选择与实现,它将直接影响到组卷的质量。通过建立组卷算法的数学模型,结合遗传算法理论,给出了一种优化的遗传算法的自动组卷策略。     

试题库设计与自动组卷方法分析

对试题库与自动组卷算法结合进行研究,分析随机选取法和回溯试探法,对遗传算法进行介绍,并将遗传算法运用到试题库中,通过运用遗传算法设计从试题库中抽取合理试题。     

基于矩阵编码的遗传算法及其在自动组卷中的应用

对组卷问题进行了分析，提出了采用遗传算法来解决这个带约束的多目标优化问题。提出了应用于自动组卷中的基于矩阵编码的遗传算法，充分利用领域知识来设计解的编码和遗传算子。试验结果表明，基于矩阵编码的遗传算法相对于其它方法能够取得更有效的结果。     

仿生智能算法在自动组卷策略中的应用

随着计算机辅助教学的发展,自动组卷策略已成为目前研究的热点与难点。自动组卷策略是自动组卷系统的核心,目前流行的智能算法如:遗传算法、蚁群算法、鱼群算法及微粒群算法广泛被应用于自动组卷系统中来解决组卷策略。     

基于改进遗传算法的自动组卷问题的研究

自动组卷优化问题的研究,由于题库组卷的随机性,难度很大。针对传统遗传算法在自动组卷中存在的未成熟收敛和收敛速度慢等问题,为了快速可信地组卷,提出了一种改进的遗传算法。该算法采用模拟小生境法选择算子进行种群选取,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的非线性自适应调整。进行仿真实验,结果证明,改进的遗传算法在组卷的有效性、稳定性和收敛速度等方面有显著的提高,更能有效解决自动组卷问题,具有较好的使用性能和实用性,能够极大的满足用户组卷的需求。     

Memetic算法在智能组卷问题中的应用

Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。      

基于优化初始种群的自动组卷算法

针对遗传算法和改进遗传算法初始种群的不确定性,提出一种优化初始种群的遗传算法。该算法首先进行局部寻优,将局部较优解按题型的不同随机组合,组成遗传算法的初始种群,然后通过遗传交叉和单点变异得到一个较优解,最后将算法应用到《数据库系统》课程的自动组卷。结果表明,该方法有很好的组卷效率,能较好满足组卷的要求。     

基于遗传算法的自动组卷研究与应用

随着在线考试系统的广泛应用,组卷算法决定了自动组卷的性能。为提高组卷成功率,提出基于遗传算法的自动组卷模型,根据总分、题型、难度、区分度等要求建立多目标、多约束条件的数学模型。采用ASP.NET编程实现,并进行编码、选择、交叉、变异等操作,使遗传算法能满足自动组卷要求。