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。     

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。     

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     

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。     

智能组卷算法研究比较

基于题库的智能组卷模块是在线考试系统的核心单元,组卷算法的优劣直接影响到系统性能。智能组卷问题是一个典型的多重约束目标求解问题,本文做了初级建模分析,对目前常用的智能组卷算法做了研究对比,其中遗传算法和粒子群优化算法能够较好地满足随机性、合理性、快速高效等科学需求。     

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。     

基于数据挖掘技术的试卷质量聚类分析系统

教育是一个复杂的系统工程,试卷质量分析是这系统工程中的重要环节。为了全面地分析试卷背后隐藏的内在问题,本文在k平均分区算法和层次凝聚算法的基础上,提出了一种速度更快、聚类质量更好的聚类算法(ICAA算法),并已成功地将该算法应用到试卷质量分析中。     

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。     

基于遗传算法的在线考试系统设计

建立了基于遗传算法的智能组卷模型,介绍了遗传算法的实现流程和关键步骤,模型能满足复杂的组卷要求。     

基于遗传算法的逻辑电路测试生成的研究

本文提出了一种基于遗传算法的逻辑电路测试生成算法，利用遗传算法的全局寻优特点进行集成电路的测试生成，并与确定性算法进行了比较，所得到的实验结果表明，遗传算法可以在比较小的测试矢量集下得到比较高的故障覆盖率，是一个有效的测试生产算法．     

基于人工智能原理的考试系统

基于遗传算法的智能化考试系统是在传统的组卷算法基础上提出的一种新方法,用于解决应用本算法的试题模型的实际问题。     

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.     

基于学生模型BOSM的智能组卷算法

为满足自适应性和个性化教学的要求，设计一个学生模型BOSM，然后给出基于BOSM的智能组卷算法。算法根据知识点掌握程度值确定测试知识点权值以及难度系数等参数，实现根据测试知识点权值从题库中抽取满足要求的试题。试验表明该算法运行效果良好。     

基于DSO算法的印刷电路板焊点测试路径优化

针对印刷电路板焊点测试中的测试时长、测试效率等路径优化问题,提出了一种用于电路板自动测试的基于DSO(don-key and smuggler optimization)算法的路径优化方法,通过电路板上焊点坐标信息,编写DSO的优化程序,与蚁群算法、遗传算法和模拟退火算法进行算法有效性的比较与分析,并将其对试际电路板焊点测试路径进行仿真验证.结果表明:该算法能够有效优化电路板上的焊点测试路径,缩短测试时间,为解决电路板自动测试中的路径优化问题,提供了有效理论依据和解决办法.