基于遗传算法的智能组卷问题的研究

分析智能组卷问题的目标要求,建立了针对该问题的数学模型,并给出利用遗传算法解决组卷问题的方法。重点阐述了组卷问题的染色体编码、适应度函数和遗传算子的设计。实验结果表明所设计的方法是一种实用有效的方法。     

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。     

基于遗传算法组卷策略的研究

借用了生物遗传学的观点,通过自然选择、遗传、变异等作用机制,使用遗传算法进行组卷问题的求解,增强了个体的适应性。     

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.     

基于遗传算法的信息技术类课程自动组卷应用研究

研究了遗传算法在信息技术类课程组卷中的应用。应用矩阵理论的方法建立组卷的数学模型,在分析标准遗传算法基本原理和关键技术的基础上,针对组卷问题应用对标准遗传算法的编码方法、适应度函数、遗传算子和组卷策略等方面进行了设计和改进。在大量组卷实验的基础上,分析组卷实验结果,选择适合的组卷参数。实验表明,选择组卷参数提高了遗传算法的组卷效果。     

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。     

基于遗传算法的试题库智能组卷系统研究

试题组卷是考试系统的重要组成部分。本文通过在编码策略、适应度函数、遗传算子、控制参数等方面的研究提出一种适应于试题智能组卷的改进遗传算法。对适应度函数的适当定标和建立自适应的交叉概率和变异概率,有利于克服未成熟收敛和遗传漂移现象,同时能在维持群体多样性的情况下,防止群体进入局部最优。实验证明改进遗传算法能更有效地提高组卷的效率。     

基于遗传算法的智能组卷系统研究

计算机辅助教学CAI的一个重要应用是计算机辅助测验CBT(Computer Based Testing)。智能组卷是CBT的基础,组卷中关键是解决生成满足教学和教师要求的试题,即约束优化问题。针对该问题,本文建立了基于考查点、难度系数和题型等为主要控制参数的该问题的数学模型,并给出了用遗传算法解决组卷问题的优化方法。实验结果表明,该组卷方法性能好、效率高,能较好地满足用户的要求。     

基于改进遗传算法的智能组卷研究

通过在遗传算法中引入个体浓度的选择机制和记忆机制,确保了进化过程中种群内个体的多样性,避免局部收敛,保证了算法朝优化方向进化.实验结果表明改进算法能跳出局部收敛,有效避免了早熟产生和遗传退化现象出现.     

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。     

卫星图像分割的聚类算法

组卷问题是一个在一定约束条件下的多目标参数优化问题,而它的约束条件难以用数学形式描述,所以采用传统的数学方法求解十分困难。实践证明,用遗传算法求解组卷问题有较好的效果。本文中提出的改进的遗传算法,采用功能块结构,可以在初始种群时满足试卷的部分约束(题型、题数、题分),并无须在进化过程中对这些约束进行控制,降低了问题的难度,提高了问题求解的效率。而且在保证整个试卷的分数不变的前提下,适当地增大误差,可以大幅度减少组卷时间,尤其适用于网络环境下用户对组卷速度要求较高的考试情况。     

基于IRT指导的组卷策略的遗传算法设计与实现

智能组卷是自适应测验中的一个重要环节．根据试卷生成的目标要求。提出一种基于项目反应理论（IRT）组卷的自适应遗传算法,较好地解决了智能组卷过程中的约束优化问题．     

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。     

基于自适应遗传算法的自动组卷策略研究

随着计算机辅助教学和网络的迅速发展,在线考试将逐步替代传统的考试方式而被广泛应用.利用计算机完成自动组卷也将替代原有的人工出卷方式,成为在线考试系统的核心功能之一.本文在量化组卷需求的基础上,提出了一种基于遗传算法的自动组卷策略,将试卷抽象为染色体,每道题抽象为染色体中的一个基因,不断抽取出相应的试题组成多份试卷,最终根据用户设置的组卷参数,选择与用户期望值最接近的一份试卷,本文选取试题号作为单个基因编号对染色体进行编码,避免了解码和多余空间搜索的时间消耗,实验表明基于遗传算法的自动组卷结果较符合出卷要求.     

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.     

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。