无纸化考试系统中智能出题算法的研究

智能组卷是一个多约束目标的组合优化问题,是无纸化考试系统的核心,对无纸化考试的公平公正取到决定性的做用,本文针对现有几种智能出卷算法进行研究,分析比较了这种算法的优点和不足。     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件,建立了智能组卷系统的数学模型,并给出了改进的遗传算法求解智能组卷问题的新方法.实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题,组卷成功率高,组卷速度快,具有较好的性能和实用性.     

基于自组织映射网络的智能组卷系统

自动组卷是计算机辅助教学的重要研究内容,其中智能算法是技术关键问题,论文分析了现存组卷系统的基础上,提出了采用自组织特征映射网络智能组卷算法,具体化表明,该算法能有效地解决试题库研究中的智能组卷问题,具有较好综合性能。     

微粒群算法在智能组卷中的应用

根据教育考试理论与统计学,分析组卷目标要求,建立智能组卷系统的数学模型,提出一种基于微粒群算法的智能组卷算法。通过应用实例分析,实验结果表明所提出新组卷算法的组卷速度快、精度高。     

智能组卷系统的设计与实现

本文分析了目前智能组卷系统的研究现状,提出了一种基于单亲遗传算法的智能组卷系统的实现方法.通过仿真实验,该方法在组卷结果的精确性和性能方面是可行的.     

MCWDP模型的算法设计

本文详细分析了题库组卷系统中的组卷算法,重点对多约束性离差求解MCWDP（Multiple Constraint Weighted Deviations problem）简称MCWDP模型的算法进行研究,给出了MCWDP算法在智能组卷系统中的组卷策略,并为简化算法,提高组卷效率提出了几点措施。     

MCWDP模型的算法设计

本文详细分析了题库组卷系统中的组卷算法,重点对多约束性离差求解MCWDP(Multiple Constraint Weighted Deviations problem)简称MCWDP模型的算法进行研究,给出了MCWDP算法在智能组卷系统中的组卷策略,并为简化算法,提高组卷效率提出了几点措施。     

基于遗传与蚁群混合算法的智能组卷研究

针对遗传组卷算法局部求解能力不足、容易早熟和退化对系统中的反馈信息利用不够的问题,以及蚁群组卷算法搜索初期信息素匮乏的缺点,充分利用遗传算法较好的全局搜索能力和蚁群算法较高的求解精度的优势,提出了一种遗传算法与蚁群混合算法的智能组卷策略。实验结果表明,与单一组卷算法相比,提出的混合组卷方法收敛速度更快,能更有效地解决智能组卷问题,具有更好的实用性。     

一种渐进式的遗传算法在智能组卷中的应用

智能组卷是一个多约束目标的组合优化问题。针对传统遗传算法在组卷解决问题方面存在的不足,提出了一种渐进式的遗传算法,此算法针对传统遗传算法的不足做了改进,速度和性能都有显著提高,尤其是针对大规模题库的组卷,仿真结果表明这种方法是有效的。     

基于层次分析法与二元蚁群算法的智能组卷设计

利用改进的二进制蚁群算法,根据试卷总分值、考试时间、试卷平均难度、知识点分值、试卷区分度、题型分值6个约束条件,建立多任务、多目标约束组卷模型;然后利用改进的层次分析法确定组卷目标的权重,通过加权离差模型对智能组卷问题进行建模;最后利用二元蚁群算法求解模型,得到最优组卷方案.层次分析方法比较全面地考虑了出题者的主观因素,而二元蚁群算法充分利用了蚁群算法的智能特点,二者相结合能有效地提高智能组卷的成功率.     

基于题库信息的智能组卷算法

在分析了现存的智能组卷算法的基础上,提出了基于题库信息的智能组卷算法,算法通过对题库中试题信息的充分利用,有效的提高了组卷成功率和组卷的质量。     

智能组卷系统与遗传算法

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,仍然存在许多不足,对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.     

基于混合求解算法的智能组卷研究

智能组卷是一个多约束目标的组合优化问题,针对传统算法在组卷方面存在的不足,将遗传算法和模拟退火算法相结合,提出了一种混合求解算法.新算法不仅克服了未成熟收敛,而且速度和性能都有显著提高.实验结果表明,新算法提高了组卷效率.     

智能题库系统的结构设计研究

自动组卷和题库中数据表是智能题库中的主要组成部分,数据库主要表结构的设计及组卷算法的好坏直接影响系统的性能.重点分析了模块中题库主要表结构的设计以及原理、组卷算法的流程结构图.并根据实际情况强调了在设计中应注意的事项.     

基于多Agent的双语教学测评系统设计与研究

从完成智能测评的需求出发，分析了现有各类软件智能技术、知识发现与数据挖掘技术，提出了智能测评的算法和过程．同时结合通用知识库及智能组卷等多种方法，设计了基于多Agent结构的双语教学智能测评系统模型，并对一些关键模块的实施做了相应的研究和探讨．     

智能组卷系统中试题难度正态分布算法的研究

针对当前智能组卷系统中存在的试卷区分度不高、试题难度呈非正态分布及不能根据应试者层次选择试题难度的问题,深入分析了试卷区分度、试题难度及其正态分布的关系及问题产生的原因,提出了一种适合在基于遗传算法的智能组卷系统中控制试题难度呈正态分布的算法,并借助项目反应理论对该算法进行优化处理,使试卷难度可以根据应试者的不同层次要求进行自由调整.最后根据蒙特卡罗理论设计了一个仿真试验系统对该算法的性能进行验证,实验结果表明,该算法的性能达到了预期效果.     

改进遗传算法在智能组卷中的应用

智能组卷是一个多约束目标的组合优化问题,针对传统算法在组卷方面存在的不足,提出了一种改进遗传算法.此算法不仅克服了未成熟收敛,而且速度和性能都有显著提高.实验结果表明,改进遗传算法提高了组卷效率.     

改进的人工鱼群混合算法在智能组卷中的应用

现有的智能组卷多采用单一算法,而每种算法都有其各自的缺点,针对此缺陷提出了结合人工鱼群算法和遗传算法的优点组成混合智能组卷算法.在智能组卷开始时,采用人工鱼群算法快速靠近组卷目标,在组卷过程中,当最优个体在连续多个迭代过程中无变化或变化极小时采用遗传算法对人工鱼个体进行跳变,提高收敛速度.通过模拟计算证明,该混合智能算法能有效地优化其中单一算法独自进行智能组卷的成效     

工程制图试题库的智能排版技术研究

针对目前工程制图试题库系统排版过程中存在的图形题为主、图文混排、大小不一等难于排版的问题，详细阐述了智能排版的约束条件，提出了一种简便、有效、实用的算法，实现了试题库组卷系统中的智能自动排版功能。     

中间表组卷算法

试题库系统在教学中应用日渐广泛,组卷算法是试题库系统的核心问题。本文主要对现有的常用的组卷算法进行分析,总结其优缺点,提出了一种中间表组卷算法,这种算法适用于小型的试题库系统。