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.     

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.     

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.     

遗传算法在试题库智能组卷中的应用

智能组卷是现代智能教学系统中一个非常重要的课题。以考查点、难度系数和题型为主要控制参数建立了组卷问题的数学模型，并给出了用遗传算法解决组卷问题的新方法。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子的设计与实现。实验结果表明，所设计的组卷方法性能好、效率高，而且能确保在一份试卷中不出现考查点重复的试题，是一种实用、有效的组卷方法。     

改进的遗传算法在智能组卷中的应用研究

该文提出分段二进制编码,对遗传算法的选择过程进行改进,并采用独立题型题库存放的方法来求解组卷问题.实验结果表明,新方法的组卷成功率和收敛速度都得到明显提高,较好的克服了早熟收敛现象,组卷质量明显提高.     

试题库智能组卷的遗传算法

利用演化计算中遗传算法的原理，对试题库组卷进行了具体应用，结果表明具有较好的适用性和效率。     

遗传算法在组卷系统设计中的应用

介绍了在自动组卷中受到广泛运用的遗传算法,这种方法尤其适用于网络交互式环境下用户对组卷速度较高的要求。     

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.     

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.     

基于遗传算法的试题库智能组卷系统研究

智能计算机辅助教学中一个关键的问题是试题库的智能组卷,针对该问题的特点,建立了该问题的数学模型,给出了用遗传算法解决此问题的新方法,实验结果表明该方法能有效地解决试题库研究中的智能组卷问题,具有较好的性能和实用性。     

基于题号二进制编码的遗传组卷算法

文章提出了基于题号二进制编码的遗传组卷算法,解决了传统二进制编码算法中的题目重复抽取问题,并提高了算法的效率。     

五轴数控技术在多维曲面零件加工的应用

多维曲面零件是多轴零件切削加工的一个难点,多维曲面加工容易出现刀具干涉等问题。本文以人的头像加工为例,详细地分析了多维曲面零件的加工工艺,给出了人的头像的多轴数控加工程序,并通过实际加工,验证了此刀路的正确性。     

遗传算法在试题组卷中的应用

运用遗传算法的全局寻优对自动化组卷系统进行了研究，并得到了一个解决适合考方要求的试题模型的实用算法。     

基于遗传算法的自动组卷的研究

介绍了自动组卷的数学模型和主体思想,讨论了运用遗传算法求解一定约束条件下的多目标参数优化问题,提出了功能块的概念,并采用了新的编码方案、交叉算子和变异算子。实践表明,改进的遗传算法能更好地解决自动组卷问题,具有较好的实用性。     

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.     

混合遗传算法在叶片排序问题中的应用

在安装或更换发动机转子叶片时,不仅要使叶片组的质量分布相对平衡,同时也要满足一定的频率要求.本文将局部最优搜索融入遗传算法中得到混合遗传算法,基于混合遗传算法的局部优化和快速收敛特性,提出了一种求解转子叶片排序问题的新方案,按此方案排序可使转子同时满足质量和频率的两方面要求.     

多目标组卷模型及其算法研究

针对计算机辅助教学(CAI)中的智能组卷问题,依据对试卷整体的评价标准,建立了一个多目标的组卷模型.采用多目标理论中的理想点法将该多目标问题转化为单目标问题,并设计了一个遗传算法求解方法,通过仿真计算,能够证明该方法具有较好的性能和实用性.     

一种基于遗传算法的自动组卷算法

对传统遗传算法进行改进,提出了一种基于遗传算法的分段十进制编码,采用分段的单点交叉操作,对于个体而言,实现的是多点交叉操作,最后提出了相应的组卷算法.     

一种改进的遗传算法在测试用例中的应用研究

测试用例的自动生成是软件测试的重要环节,其关键问题是路径搜索问题,遗传算法作为一种高效的搜索寻优算法被广泛应用到测试用倒中。该文提出一种改进的遗传算法,对选择算子和交叉算子进行改进,把传统遗传算法和最优保存策略相结合,提高遗传算法的局部搜索能力。研究表明,该算法比传统遗传算法在生成测试用例的效率方面更具优势。     

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。