在线考试组卷算法研究

针对网络化教学的需求，文中提出了一个在线考试系统，为了使生成的试卷更客观、科学、和有区分度，文中首先讨论了组卷原则，并围绕这组组卷原则，提出了一个结构合理的试题库和自动组卷算法，提出了一套合理的组卷参数，从而实现了一个自动化试卷生成及考试系统。该系统已嵌入到学校的网络教学系统中，运行良好。     

组卷中的随机抽取算法分析与实现

从目前考试的改革进程看,考试将逐渐向人性化和自动化过渡,而通过计算机进行自动组卷是其中的关键技术,然而这一技术目前还存在效率低下等问题的困扰.通过对试卷生成问题的分析,给出了一个通用的生成试卷的随机抽取算法,通过该算法,较好解决了试题库组卷过程中重复试选和难以一次组卷成功的问题,最后,通过一个实例验证了本算法.     

基于贪心策略自动生成高区分度试卷的方法

建立了以生成高区分度试卷为目标的自动组卷问题的数学模型,针对该模型提出了基于贪心算法的试卷生成方法,将算法应用于实际的考试系统中,并与禁忌搜索算法生成试卷的策略进行比较,结果表明：贪心算法用更少的时间找到了更好的解．     

计算机自适应考试理论分析

依据自适应考试中的项目反应理论，对其中参数进行了分析，建立了试题库建库模型，同时对受测者的能力进行分析；应用组卷理论中的组卷原则和问题的形式化描述，对生成试卷的算法进行分析。该结论对当前计算机自适应考试提供了理论依据。     

关于运用VisualFoxPro实现自动组卷的讨论

本文分析了在无纸化考试中自动组卷的方法,对于试题库的准备定义了一定的原则和要求,将用Word录入的试题库进行了转换,使之成为visualFoxPro环境下的试题库表结构,并对该表构造了自动组卷的算法,最后给出了一种从试题库表中随机抽出试题生成试卷库的VsiualFoxPro程序。     

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。     

基于量化模型的自动组卷算法研究

将试卷的整体命题要求进行量化,得到有关试卷的各项局部指标,并生成试卷的量化模型.对试卷期望值这个全局指标,进行分解,并采用随机分配系数的方法进行合理量化,生成各类试题的分数及难度量化模型,然后按照模型在试题库中有目的选题并组卷,对组卷过程中出现的误差,使用近似匹配策略进行循环微调,直到没有误差或误差在允许范围内.算法具有输入量少、组卷成功率较高和成卷质量较高的特点.     

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．     

基于文档目录存储的题库系统研究

文章提出一个office文档和数据库相结合的自动题库管理模型。教师提交试卷文档后,操作员对试卷进行预处理,然后将试卷相关的属性信息保存到数据库,建立与文档关联的数据库,被预处理过的试卷文档采用文档目录存储管理。组卷时系统从数据库中抽取试题有关属性,然后使用组卷算法通过文档结构读取试题,完成最后组卷。     

基于难度系数的组卷策略研究

介绍了一种根据试卷的难度系数进行自动组卷的组卷策略;详细分析了用两个正态分布来确定各难度级别题目所占百分比的数学思想;讨论了使用约束矩阵的方法确定各题型中不同难度系数题目的数量;最后简要说明了用随机函数实现的试卷生成算法.     

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。     

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。     

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.     

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.     

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。     

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．     

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.     

基于改进遗传算法的智能组卷研究

通过在遗传算法中引入个体浓度的选择机制和记忆机制,确保了进化过程中种群内个体的多样性,避免局部收敛,保证了算法朝优化方向进化.实验结果表明改进算法能跳出局部收敛,有效避免了早熟产生和遗传退化现象出现.     

通用试题库管理系统的设计与实现

提出了随机搜索算法，设计并实现了一个通用的试题库管理系统。