遗传算法的改进及在自动组卷系统中的应用

遗传算法是一种新发展起来的并行优化算法,它很适合解决自动组卷问题.但是遗传算法存在运算速度低、容易陷入局部最优值、早熟收敛等缺陷,针对这些缺陷提出了基于实数编码的遗传算法的改进算法,并在计算机基础自动组卷系统中进行了应用.     

遗传算法在试题库自动组卷中的应用

采用基于矩阵编码的遗传算法求组卷问题，提出了该算法的交叉算子和变异算子。实验证明，该算法可以很好地解决自动组卷问题。     

基于遗传算法的组卷策略

对试卷的评价指标做了相应的分析。在此基础上,着重对自动组卷算法进行了研究,通过建立自动组卷问题的数学模型,提出了一种基于遗传算法Genetic Algorithm解决组卷问题的新方法,该算法适应全局寻优且收敛速度快等特点,解决了传统组卷中编码长、适应度函数值计算困难等问题,较好地满足了自动组卷的要求,进而建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作。     

基于Moodle平台的组卷模块设计与实现

针对Moodle原生测试模块学生不能自主测试、组卷不够智能化、成绩反馈不全面等问题,给出一种基于遗传算法的自动组卷方案.设计遗传算法的染色体编码方案以及算法的选择算子、交叉算子和变异算子.对Moodle进行二次开发,使用PHP语言实现了自动组卷模块,扩展了Moodle平台测试模块的功能.     

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.     

遗传算法在自动组卷系统中的应用

介绍了自动组卷算法的数学模型和主体思想，提出了一种基于遗传算法的试题抽取方案，重点阐述了组卷问题的染色体编码方法、适应度函数和遗传算法的设计与实现．实验表明，所设计的组卷方法性能好、效率高。是一种实用、有效的组卷方法．     

基于遗传算法的试题库自动组卷问题的研究

给出了利用遗传算法求解试题库自动组卷问题的新方法，讨论了运用遗传算法求解在一定约束条件下的多目标参数优化问题，提出了功能块的概念，并采用了新的编码方式、交叉算子和变异算子。实验结果表明，改进的遗传算法相对于其他算法更能有效的解决自动组卷问题，具有较好的使用性能和实用性。     

精品课程中自动组卷系统的研究与实现

本文针对精品课程建设中的自动组卷系统进行了深入的研究，提出了一种基于遗传算法试卷自动生成算法，并结合RTF文件，使试题中可以包含公式、图像等多种格式，设计了一套功能完善的自动组卷系统。     

ICAI系统中基于遗传算法的试题库组卷方法

通过探讨遗传算法的基本理论和试题库建设的理论基础,提出了基于遗传算法完成自动组卷的一种新方法,该算法具有收敛速度快、自适应全局寻优和智能搜索技术等特点,很好地满足了自动组卷及试卷质量控制的要求.     

考试系统中组卷策略探究

针对考试系统中组卷策略的探讨,常用的算法有三种,随机选取法、回溯法、基于遗传算法的自动组卷算法。对比了其各方面的合理性和实用性等后,选择遗传算法着重进行了探讨和研究。     

基于小生境遗传算法的自动组卷

通过对当前自动组卷方法的分析,将小生境技术引入到遗传算法自动组卷中,以期望解决遗传算法组卷的早熟问题,提出一种基于小生境遗传算法的组卷方法.该方法采用功能段结构的整数编码方式,可以克服常规采用二进制编码搜索空间过大和编码长度过长的缺点,提高求解速度和精度,同时减少迭代次数加快算法收敛.在组卷模型中以题型、题量和分值为基础,在形成初始种群和进化的过程中始终保持题型、题量和分值不变,从而简化优化目标.试验结果显示,该方法能有效限制种群中相似个体的过多复制,从而维持群体的多样性,抑制出现早熟现象,改进遗传算法在自动组卷中应用的效率,其运行时间更短,误差更小.     

改进遗传算法在自动组卷系统中的应用

为了避免遗传算法在自动组卷中收敛速度慢、容易陷入局部最优值、早熟收敛等缺陷,提出了基于实数编码的遗传算法的改进算法。该算法采用分段的单点交叉操作,对个体而言,实现的是多点交叉操作,最后将该方法应用于某自动组卷系统中,以实验证明该方法的可行性和有效性。     

基于遗传算法的自适应题库系统的研究

在比较传统组卷算法优缺点的基础上,着重对遗传算法进行了可行性论述,通过将实数编码的遗传算法应用于自动组卷,全面增强了自适应题库系统实用可操作性.     

基于遗传算法的试题组卷策略

在分析组卷策略的基础上,运用遗传算法,得到了一个更好的试题自动组卷算法.     

基于遗传算法的智能组卷研究与实现

通过研究提出了一种基于遗传算法的智能组卷算法,对基本的遗传算法进行了两次改进,既充分扩大搜索范围,又保证每次迭代都保留好的个体。其次,对遗传算法中的交叉概率和变异概率按个体的适应度大小进行自动调整。这样,既不会破坏高适应度的个体结构,又克服了搜索速度缓慢的现象,从而有效地提高了组卷的速度和质量。实验结果表明:改进的算法明显改善了算法全局寻优能力,加快了收敛速度,并具有较高的鲁棒性。     

自动组卷算法的研究

分析国内外大量献的基础上,基于遗传算法,针对考试系统的自动出题问题,在采用重叠种群的遗传算法基础上,提出了两种编码方案,即二进制编码方法和矩阵编码方法,并把这两种编码方法应用于自动组卷。     

自动组卷考试系统的设计与实现

利用计算机实施自动组卷的目标是输出符合用户需求的最佳试卷。组卷问题实质是一个约束条件自动求解问题。遗传算法是一种优秀的全局优化算法,它具有全局搜索、编码方式灵活等特点,对于解决此类问题非常方便。     

遗传算法基础上矩阵编码自动组卷及优化研究

基于遗传算法,针对考试系统的自动出题问题,在遗传算法基础上,利用属性约束和分段编码的方法优化矩阵编码方法应用于自动组卷.     

基于题型和知识点的遗传组卷算法的应用

本文介绍了自动组卷与手动组卷的区别,并详细介绍了3种自动组卷算法,提出了基于题型和知识点的遗传组卷算法,实验表明,所设计的组卷方法性能好、效率高,是一种实用、有效的组卷方法。     

基于Tabu搜索和变区域遗传算法的组卷问题研究

针对目前大型题库中组卷算法效率低的问题，给出了多目标约束条件下的组卷问题数学模型，提出了基于Tabu搜索和变区域遗传算法的TS-CAGA算法。本算法用遗传算法作全局搜索，用禁忌搜索算法作局部搜索，给出了搜索区域动态变化的条件，通过种群规模自适应调整，可以加快收敛速度和避免局部最优化。实验结果表明，算法的组卷效率和选题质量有显著提高。