改进遗传算法的试题智能组卷方法

对传统遗传算法在初始种群选取、遗传算法编码、适应度函数设计、遗传算子的自适应设计等方面进行了改进,提出一种改进遗传算法的试题智能组卷方法.仿真实验结果表明,改进的遗传算法在组卷时提高了在题库中搜索的效率和准确性,有效地解决了智能组卷中的多条件约束优化问题,提高了组卷效率和成功率.     

基于局部搜索的遗传算法求解自动组卷问题

针对目前大多数组卷系统所考虑的约束条件不完善、 组卷结果不理想问题. 提出一种基于局部搜索的遗传算法（GALS）, 解决了传统组卷约束不完善等缺点, 并得到了较好的组卷结果. 该算法采用基于按题型分段的编码方式, 3个遗传算子分别采用如下策略： 按题型分段交叉策略, 保证全局搜索能力及交叉后各题型被选题数不变; 基于禁忌表局部搜索的变异机制, 对题库进行随机关联搜索, 提高了算法搜索能力; 采用组合优化进化算法的μ+λ选择策略, 有利于算法局部搜索. 实验结果表明, 相同迭代次数下, 新算法找到的最优解明显优于传统的组卷算法.     

猎潜算法及其在智能组卷中的应用

借鉴军事上的声纳猎潜原理,将智能组卷转化为多维空间搜索问题,采用定向搜索思想,逐步缩小搜索范围,算法的运行效率也因此提高.经实验证明,采用猎潜算法解决智能组卷问题,达到了实时在线使用的质量和速度要求.这一方法有望为解决其它复杂的多条件约束问题提供帮助.     

智能组卷的优化模型及求解的遗传算法

通过对智能组卷的用户要求和试题结构特征的分析,提出了一种智能组卷的双目标约束优化模型,同时给出了求解的一种遗传算法,最后的数值试验表明,所给算法在组卷策略上具有成功率高、收敛速度快、搜索精度高及鲁棒性强的优点。     

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.     

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.     

基于改进遗传算法的智能组卷模型优化

建立了一种多目标优化的数学模型,并针对标准遗传算法易早熟收敛和进化缓慢的特点,提出了一种改进的组卷遗传算法对模型进行求解.该算法在编码策略、基因修正和算子概率3个方面对标准遗传算法进行了改进.实例分析及仿真验证表明:提出的建模方法将组卷成功率提高到100％,算法运行时间降低到300ms以内,总体上极大地提高了智能组卷任务的执行效率,并能够定量地评估和控制组卷质量.     

惯性权重线性调整的局部收缩微粒群算法

针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题, 给出一个新的速度更新策略局部收缩策略, 并提出一种改进的微粒群优化算法, 该算法保持微粒群优化算法结构简单的特点, 改善了微粒群优化算法的全局寻优能力, 提高了算法的收敛速度和计算精度. 仿真计算结果表明, 改进的算法性能优于混沌微粒群优化算法、 微粒群优化算法和带有收缩因子的微粒群算法.     

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。     

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.     

基于模拟退火的网络蜘蛛性能分析与系统实现

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略，提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法．设计并实现了一个计算机相关论文搜索引擎网络蜘蛛系统．针对国外4所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率．     

基于模拟退火机制的网络蜘蛛搜索策略

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略。提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法。针对国外四所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率。     

搜索引擎中页面更新策略的分析与改进

网上信息资源不断变化，搜索引擎需要不断更新它所访问过的网页，提高更新效率是搜索引擎的关键技术所在，在总结搜索引擎现有页面更新策略（统一更新策略和个体更新策略）进行了比较，指出了两种方案的优劣所在，进而提出了一种改进的折衷方案即分类更新策略。并从理论上论证其优越性，在实际应用中评价了有其有效性，结果表明分类更新策略很大程度上改进的搜索效果。     

一种具有跟踪替代特征的小世界算法

针对简单小世界算法在优化复杂函数时出现的停滞现象,提出对搜索进行跟踪、对停滞节点进行更替的策略.对每个搜索节点,从搜索的第1代开始进行跟踪,记录节点在每个传递位置停留的次数,当停滞次数超出设定值时便认为该节点进入停滞状态,在搜索空间中随机生成一个节点替代该停滞节点,以保证搜索的高效性.仿真试验表明,改进算法有效地克服了原算法的停滞现象,与原算法相比,改进算法种群多样性好、优化效率高、鲁棒性强,并具备解决更复杂工程优化问题的潜能.     

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。     

基于Tent映射的混沌粒子群优化算法

针对粒子群算法在迭代后期易陷入局部最优的不足,采用Tent映射所产生的混沌序列在粒子个体最优点和全局最优点附近进行混沌搜索,利用混沌搜索的全局遍历性和随机性提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能。几个典型测试函数的仿真结果证明了该算法的可行性。     

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.     

智能混合优化策略及其在流水作业调度中的应用

通过结合蚁群算法(ACO)的并行搜索结构和模拟退火算法(SA)的概率突跳性,提出了一种有效的混合优化策略,并将该策略应用于流水作业调度问题(FSP)．在该策略中,蚁群系统的一个周游路线为模拟退火算法提供了一系列初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新信息激素;蚁群算法再利用模拟退火算法产生的新解进行并行搜索．同时,根据此策略构建并实现了针对FSP问题求解的具体混合算法．仿真结果表明,混合算法弥补了ACO易陷入局部最优和SA搜索效率较低的缺点,增强了全局搜索能力,在求解FSP调度问题的性能上也优于其他算法。     

关于我国对外贸易战略调整的思考

在回顾我国经济发展过程中所采取不同对外贸易战略的基础上,分析了目前实施出口导向战略带来的新问题,并结合实际提出了新的对外贸易战略,以促进我国经济的发展。     

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。