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。     

基于CTT和GA的智能题库系统设计与实现

主要讨论建立智能题库系统的理论基础,设计了试题数据库的组织结构、智能组卷算法、阅卷以及系统实现的主要技术与方法.     

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。     

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.     

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.     

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。     

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。