基于遗传算法的自动组卷算法的研究

本文针对自动组卷问题是多目标优化问题,提出了基于遗传算法的自动组卷算法,并根据自动组卷和用户的需要对遗传算法进行了改进,并通过实验验证了基于遗传算法的自动组卷算法的性能。     

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。     

ICAI系统中基于遗传算法的试题库组卷方法

通过探讨遗传算法的基本理论和试题库建设的理论基础,提出了基于遗传算法完成自动组卷的一种新方法,该算法具有收敛速度快、自适应全局寻优和智能搜索技术等特点,很好地满足了自动组卷及试卷质量控制的要求.     

改进遗传算法在智能组卷中的应用

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,提出了一种改进遗传算法.此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,改进遗传算法提高了组卷效率.     

改进的混合遗传算法的组卷系统模型及算法

在基本遗传算法基础之上,针对试题库组卷系统对算法进行改进,设计了一种运用于组卷系统的数学模型和混合遗传算法,从而提高组卷质量和系统的通用性。     

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．     

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     

智能组卷系统与遗传算法

目前,国内外许多科研单位和学校机构对智能组卷技术进行了大量的研究,其中基于遗传算法的智能组卷技术最为先进,但由于组卷问题的复杂性,仍然存在许多不足,对遗传算法在智能组卷中的实现上进行技术改进,以克服组卷时间长、算法收敛快等缺陷.     

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.     

基于改进遗传算法的智能组卷模型优化

建立了一种多目标优化的数学模型,并针对标准遗传算法易早熟收敛和进化缓慢的特点,提出了一种改进的组卷遗传算法对模型进行求解.该算法在编码策略、基因修正和算子概率3个方面对标准遗传算法进行了改进.实例分析及仿真验证表明:提出的建模方法将组卷成功率提高到100％,算法运行时间降低到300ms以内,总体上极大地提高了智能组卷任务的执行效率,并能够定量地评估和控制组卷质量.     

遗传算法的改进及在自动组卷系统中的应用

遗传算法是一种新发展起来的并行优化算法,它很适合解决自动组卷问题.但是遗传算法存在运算速度低、容易陷入局部最优值、早熟收敛等缺陷,针对这些缺陷提出了基于实数编码的遗传算法的改进算法,并在计算机基础自动组卷系统中进行了应用.     

基于Tabu搜索和变区域遗传算法的组卷问题研究

针对目前大型题库中组卷算法效率低的问题，给出了多目标约束条件下的组卷问题数学模型，提出了基于Tabu搜索和变区域遗传算法的TS-CAGA算法。本算法用遗传算法作全局搜索，用禁忌搜索算法作局部搜索，给出了搜索区域动态变化的条件，通过种群规模自适应调整，可以加快收敛速度和避免局部最优化。实验结果表明，算法的组卷效率和选题质量有显著提高。     

一种渐进式的遗传算法在智能组卷中的应用

智能组卷是一个多约束目标的组合优化问题。针对传统遗传算法在组卷解决问题方面存在的不足,提出了一种渐进式的遗传算法,此算法针对传统遗传算法的不足做了改进,速度和性能都有显著提高,尤其是针对大规模题库的组卷,仿真结果表明这种方法是有效的。     

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.     

基于遗传算法的自适应题库系统的研究

在比较传统组卷算法优缺点的基础上,着重对遗传算法进行了可行性论述,通过将实数编码的遗传算法应用于自动组卷,全面增强了自适应题库系统实用可操作性.     

遗传算法在试题库自动组卷中的应用

采用基于矩阵编码的遗传算法求组卷问题，提出了该算法的交叉算子和变异算子。实验证明，该算法可以很好地解决自动组卷问题。     

解析HGTPA的一种启发式组卷算法

组卷算法是在线考试系统的核心,本文结合遗传算法的优点,提出一种新的启发式遗传组卷算法(Heuristic Genetic Test Paper Algorithm,HGTPA),该算法能克服遗传算法的缺点,并在实验测试中取得比较满意的结果。     

基于遗传算法的试题组卷策略

在分析组卷策略的基础上,运用遗传算法,得到了一个更好的试题自动组卷算法.     

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。