组卷策略的分析与设计

组卷策略是计算机命题系统设计中的核心部分,对它的研究将有助于提高命题系统的质量。通过分析各种常用的组卷策略,设计出一种智能、科学的组卷策略。该策略的运用将极大地提高命题的质量和稳定性。     

遗传算法在智能组卷系统中的应用研究

为更好地解决遗传算法在智能组卷过程中出现的早收敛问题,以及组卷质量和组卷速度呈负相关的问题,提出一种基于分段整数编码、多点交叉的遗传算法.通过大量实验,有针对性地对该算法中的编码结构、选择算子、交叉算子和变异算子进行优化设计;对相关控制参数进行合理调整,实验结果表明,该算法不仅有效地提高了组卷质量和组卷速度,而且具有很好的收敛性.     

在线教育的智能组卷算法研究

智能组卷是在线教育的重要组成部分,通过对在线教育智能组卷过程中的各种性能指标和约束条件进行分析,建立一个合适的智能组卷数学模型。基于智能组卷多目标优化的特点,选择遗传算法来实现智能组卷,并基于智能组卷的特点,对基于遗传算法中的试卷个体的编码、遗传算子和适应度函数进行了研究。     

基于IRT指导的组卷策略的遗传算法设计与实现

智能组卷是自适应测验中的一个重要环节．根据试卷生成的目标要求。提出一种基于项目反应理论（IRT）组卷的自适应遗传算法，较好地解决了智能组卷过程中的约束优化问题．     

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。     

一种可调整式的多元变量渐近寻优组卷策略

论述了基于智能组卷策略的题库系统设计的意义,分析了目前已有智能组卷策略存在的问题,针对目前智能组卷策略存在的组卷效率低,灵活性差的问题,提出了一种新的智能组卷策略.新策略采用条形码标识试题,按照对试卷整体约束条件影响的大小依次选取控制参数,优化了搜索路径,提高了智能组卷的效率,增强了智能组卷的灵活性.对不同题库系统进行了软件测试,并对软件测试结果进行了简要的分析,实际运行结果表明,新策略优化了搜索过程、减少了时间开销、提高了组卷的成功率.     

基于粒度合成计算的智能组卷策略研究

智能组卷是一个典型的基于关系数据库多约束满足的问题求解过程．提出了基于粒度合成计算原理的组卷策略,该策略通过形成题库的不同粒度空间,将试卷的多指标约束按优先权进行分级考虑,最后根据粒度合成算法实现智能组卷．实验结果表明该策略是十分有效的．     

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。     

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.     

通用组卷算法研究

针对网络化考试的需求,提出了一种通用组卷算法,为了使生成的试卷更客观、科学和有区分度,文章首先讨论了组卷原则,并围绕组卷原则,提出了一个结构合理的试题库和自动组卷算法,从而构建了一个自动化试卷生成系统。     

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。     

智能组卷算法研究

文章在分析了试题库组织结构的基础上,提出了一种新型的智能组卷算法.算法通过对试题库中试题历史信息的充分利用以及对试卷难度和知识点分布的有效控制,有效地提高了组卷的效率和质量.     

通用试题库系统的设计

本文介绍了一个通用试题库模型及其实现技术,提出了一种新的随机优化组卷算法,较好地解决了自动随机组卷的困难。     

基于改进自适应遗传算法的组卷研究

针对遗传算法容易出现早熟和收敛速度慢的问题,根据群体适应值分布的变化特点,启发性地提出了一种新的基于小生境技术的自适应遗传算法（ANGA）。根据群体中各个个体的适应值分布情况加以启发,引入了一个自适应的常数Cmin,通过白适应调整Cmin以适时改变群体适应值的分布,优化了各个个体被选择的概率。详细介绍了ANGA应用于组卷问题的步骤。涵盖了其中的各项关键技术：组卷策略、编码方案、适应值函数的确定、选择交叉变异箅子的实现。并以目前的计算机等级考试三级信息管理技术的组卷为例,采用ANGA算法进行了仿真计算。仿真结果表明,ANGA算法能够成功地应用于自动组卷。算法能够以100％的概率在较短的时问内完成组卷,组卷效率高、成功率高;且算法对初值不敏感．具有较好的鲁棒性。     

基于单亲遗传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。针对传统遗传算法(TGA)在组卷解决问题方面存在的不足,提出了一种基于单亲遗传算法(PGA)的组卷方法,简化了遗传操作过程,并且不要求初始群体具有广泛多样性,不存在“早熟收敛”问题,仿真结果表明这种方法是有效的。     

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．     

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。     

通用试题库系统自动组卷算法研究

主要介绍了一种通用试题库管理系统中自动组卷算法的实现.提出的算法充分考虑组卷时的各种因素,并采取有效措施降低选题的失败可能性.通过与试题分析模块的结合,采用一定的学习方法,使得试题的难度和区分度等参数逐渐反映出试题的真实情况.