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。     

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.     

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.     

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.     

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     

基于遗传算法的智能组卷系统研究

通过对智能组卷系统的需求分析,采用遗传算法作为试题搜索工具,实现了将遗传算法应用于智能组卷系统.并针对遗传算法及组卷的特点从程序流程、染色体编码、适应度函数、以及各种遗传算子上都作了探讨和改进,为系统实现作准备.     

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.     

遗传算法在智能组卷中的应用

将遗传算法应用于智能组卷中,利用遗传算法的高效、全局寻优的特点设计寻求符合要求的试卷模型结构的算法,计算结果表明该算法具有较高的搜索效率和精度.     

智能题库系统的结构设计研究

自动组卷和题库中数据表是智能题库中的主要组成部分,数据库主要表结构的设计及组卷算法的好坏直接影响系统的性能.重点分析了模块中题库主要表结构的设计以及原理、组卷算法的流程结构图.并根据实际情况强调了在设计中应注意的事项.     

基于Web数据库的在线动态组卷

网上“在线测试”是远程教学系统的重要组成部分,而实现网上测试的关键是探索一种高效而实用的动态组卷算法。在开发“大学英语应试训练网站”、“基于Internet的电子商务教学平台”的过程中,对网上在线测试子系统中的动态组卷进行了有益的尝试。并在远程教学系统开发的过程中进行了动态且卷算法的优化实践。     

基于改进差分进化的高精度粒子滤波算法

针对智能优化粒子滤波算法精度较低和收敛速度慢的问题,提出一种改进适应度函数和搜索策略的差分进化粒子滤波算法(IDE-PF).该算法通过自适应融合粒子权值和量测误差得到适应度函数,并利用该函数评价粒子的可信度,引导粒子向后验概率密度取值高的位置移动,同时引入新的搜索策略,不仅保持了粒子多样性,还加快了算法收敛的速度.仿真结果表明,该算法可有效提高智能优化粒子滤波对于非线性系统状态估计的精度和实时性.     

面向多机协同的Att-MADDPG围捕控制方法设计

多无人机对动态目标的围捕是无人机集群作战中的重要问题.针对面向动态目标的集群围捕问题,通过分析基于MADDPG算法的围捕机制的不足,借鉴Google机器翻译团队使用的注意力机制,将注意力机制引入围捕过程,设计基于注意力机制的协同围捕策略,构建了相应的围捕算法.基于AC框架对MAD-DPG进行改进,首先,在Critic网络加入Attention模块,依据不同注意力权重对所有围捕无人机进行信息处理;然后,在Actor网络加入Attention模块,促使其他无人机进行协同围捕.仿真实验表明,Att-MAD-DPG算法较MADDPG算法的训练稳定性提高8.9％,任务完成耗时减少19.12％,经学习后的围捕无人机通过协作配合使集群涌现出更具智能化围捕行为.     

基于Agent的个性化智能Web信息检索

介绍了Web信息检索的定义,并对web信息检索的原理、技术进行分析,针对存在的问题,结合智能Agent技术、神经网络、最好优先算法、信息过滤、相关反馈等多种算法,提出了一个基于Agent的个性化智能Web信息检索系统模型。     

基于MATLAB与ANSYS的结构优化设计

遗传算法是近些年逐渐发展起来的一种智能的优化算法。MATLAB中的遗传算法工具箱集成了当前比较成熟的各种遗传操作算子,借助它可以方便地完成各种问题的优化。为使遗传算法更高效的应用于结构优化设计,研究了在MATLAB中调用ANSYS的方法,实现了MATLAB与ANSYS的数据传递,并用该方法对一钢框架结构进行了优化设计,验证了此方法的可行性。     

一种解决群进化算法参数设置问题的最优向量法

群进化算法是智能计算领域研究的核心内容,而算法中数值型参数的设置是影响算法搜索效率的重要因素,因此设计解决参数设置问题的方法也是群进化算法研究的重要内容.目前解决参数设置问题的常规统计方法是根据算法搜索的部分结果组成有限样本数据,依据统计最好值个数大小的判定结果来确定最优参数预设值.常规统计方法在有些测试样本数据中很难确定唯一的最优参数预设值.为了解决常规统计方法的缺点,提出了一种最优向量法,该方法可以将任意形式有限样本数据转换为向量,依据向量计算的判定规则进行最优参数预设值的确定.实验结果表明,依据获取的有限样本数据通过最优向量法找到最优参数值,采用该参数值的群进化算法搜索效率相对最优,从而验证了最优向量法的有效性.     

地下车库灯光智能控制系统

传统的地下车库照明主要采用人工控制方式,通常是让大部分灯具保持长久照明,这种方式极大地浪费了电能。针对以上问题,设计一种地下车库灯光智能控制系统。该系统在对车库环境合理建模的基础上,通过采用一种新型的智能灯光控制器,利用经典的A*搜索算法,结合已有的车牌识别技术,不仅能够合理控制车库内的照明,避免长明灯现象,还能利用灯光对车库内车辆到达指定位置进行导航。本文对一个具体车库实例利用A*搜索算法进行了从入口到指定车位的路径计算,并做了仿真演示,结果表明本系统运行可靠,节能实用。     

一种适用于多学科电子题库的数据库设计方案

针对单一数据库设计多学科电子题库管理系统时数据库太大的问题，论述了运用多个SQLServer数据库构建题库管理系统的设计方法，分析了题库数据库的结构与关系，阐述了利用SQL语句动态增加数据库的技巧．实际运行表明，此设计能大大改观多学科题库试题量巨大时单个数据库的大小，并且提高了系统的运行效率．     

基于Web智能的网络广告监测器研究与设计

为了解决网络广告投放效果监测困难的问题,基于网络广告的搜索引擎和网络爬虫等Web智能技术,设计了一种独立的、第三方的网络广告监测器,描述了当前网络广告的发展现状、系统的结构模块设计、时序调度设计以及相应的系统实现方案和核心算法。通过实验评测表明,该系统能够取得较好的效果。