基于遗传算法的智能组卷的研究

智能组卷是计算机辅助教学(CAI)中一个重要的研究课题,本文针对试卷生成的目标要求,建立了智能组卷的数学模型,并给出了用改进的遗传算法解决此问题的新方法.实验结果表明该改进的遗传算法能很好的解决试题库中智能组卷问题,具有较好的性能和实用性.     

浅议试题库智能组卷系统的设计

智能组卷是CAI中一个重要的研究课题.本文针对试卷生成的目标要求,给出了用遗传算法解决智能组卷问题的具体方法.实验结果表明该智能组卷算法能很好的解决试题库中智能组卷问题,具有较好的实用性.     

基于粒子群算法的智能组卷系统研究与实现

依据企业人才培养的考核要求,对组卷环节进行研究和改善,建立起规范高效的智能组卷系统.组卷问题是一个在多约束条件共同作用下的优化问题,难以用传统的计算方法进行求解.引入粒子群优化算法,实现了问题的快速求解.实现了基于粒子群算法的组卷模型,测试结果表明,基于粒子群算法的自动组卷系统成功率高、耗时短,系统界面友好,满足用户需求,有效地提高了工作效率.     

基于改进遗传算法的智能组卷研究

组卷问题是一个多目标约束优化问题,采用集合论思想,将智能组卷的要求形式化,提出了一种基于改进遗传算法来进行智能组卷的方法.该算法针对传统智能算法组卷速度慢、成功率低的缺点,针对简单遗传算法的编码、遗传算子存在的问题进行了改进.实验结果表明,改进的算法在保证试题产生的质量前提下,提高了智能组卷的运行速度,具有较好的实用性.     

基于改进遗传算法的智能组卷在试题库建设中的研究

智能组卷是计算机辅助教学（CAI）中一个重要的研充课题,本文通过分析组卷的各项约束指标,建立了智能组卷的数学模型,并提出了～种基于改进遗传算法的好的智能组卷算法。     

基于文本文件试题库的自动组卷系统设计

文章通过一个基于文本文件试题库自动组卷系统的开发过程描述,介绍了自动组卷系统的基本要求、组卷策略、题库结构设计以及生成试卷的方法.通过自动组卷测试表明,该系统操作简单,无需使用数据库,组卷速度较快.     

基于.Net的智能组卷研究及应用

介绍了一个基于校园网的试题库与智能组卷系统的设计理论和实现技术。基于.NET技术实现了系统体系结构设计和数据库设计,并提出了基于多目标函数的自适应组卷,以知识点、题型、区分度、难度、教学要求层次、能力要求为主要控制参数,它具有编码简单、自适应全局寻优和智能搜索技术等特点,提高了组卷效率和试卷的质量,具有很好的实用性。     

基于约束条件遗传算法的智能组卷策略研究

随着教育教学信息化建设的日益深化,课程考试系统成为现代化教学评价环节的一个必须模块。通过学校资源的整合与积累,已构建了符合人材培养方案定位的试题库,并且对于试题的数量、知识点的覆盖度及试题库更新的常态化也达到考试系统的运行要求。但是,保证智能组卷的随机性、合理性及平衡性是实现难点。在交互式环境下用户对于组卷速度要求较高,而一个理论上较完美的算法可能会以牺牲时间作为代价,往往不能达到预期的效果。该文结合遗传算法的原理,采取约束条件通过数学模型进行论证,表明了该算法的有效性和可行性。     

在线考试系统智能组卷策略研究

表明智能组卷在考试系统中的核心地位,介绍组卷策略的基本要求,对智能组卷的策略进行了分析和研究,提出两种实现组卷策略的算法变换方式:相对评价组卷和绝对评价组卷。     

智能组卷中组卷目标的满足性检查与处理

智能组卷是教育测量标准化、规范化的重要组成部分,但不符合题库条件的组卷目标会导致组卷失败.为此,提出一种组卷目标的满足性检查与处理模型,给出满足性检查的判定准则,对分解目标的满足性检查与调整进行算法设计,并利用Transact-SQL对其实现.实验表明,模型能够提高组卷的效率和成功率.     

基于入侵杂草优化的大学英语试题组卷方法

在大学英语教学中,如何从庞大的英语试题库中生成符合一定测试目标或教学要求的英语考试试卷是英语辅助教学的重要手段.针对大学英语考试试卷的总体评价目标及试题的整体测试参数进行了分析,给出了一个有效的组卷模型,同时提出了基于入侵杂草优化的大学英语试题库自动组卷方法.实验结果表明,该方法能有效生成一份满足大学英语教师或教学大纲要求的英语考试试卷,极大地节约了高等学校英语教学的人力资源.     

改进遗传算法在试题自动组卷中的应用研究

针对传统的组卷算法具有组卷速度慢、成功率较低、组卷质量不高等缺点。本文提出了一种用改进的遗传算法来求解试题组卷问题的方法。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，并且较好地克服了未成熟收敛现象，取得了较满意的组卷效果。     

基于遗传算法的智能组卷系统数据库结构的研究

论文在分析了现存的组卷系统的组卷算法及相应的数据库结构的基础上,基于遗传算法提出了一种新的数据库结构,并给定具体结构的确定方法。实践证明,这种结构下的数据库很好地配合遗传算法实现了智能组卷,并且系统效率更高,冗余度更小。     

基于改进遗传算法的智能组卷系统研究

传统组卷算法在组卷质量和组卷速度方面,都难以达到令人满意的效果。鉴于此,建立了智能组卷系统问题求解的理论模型,并结合遗传算法来解决考试系统中的智能组卷问题:在选择算子中采用适应度排序在前一半的个体进入下一代的繁殖;在交叉算子中采用最优保持策略;在成卷前调整试卷知识点的分布。该组卷算法在不同的要求下都能得到较为满意的效果。     

网络考试题库自动组卷策略研究

组卷是网络考试系统的核心部分,通过组卷来决定试卷的题量、试卷的知识点分布、试卷类型及考试时间的多少。组卷系统是实现考试规范化、公平化、合理化的重要途径。因此,为了解决在网络教学平台中开发和提供功能完善的网络组卷系统这一问题,对网络考试题库自动组卷策略进行了探讨。     

分段组卷伪并行遗传算法的研究与实现

遗传算法组卷存在收敛速度慢和未成熟收敛问题,难以满足考核要求。已有较多算法采用了分段编码、分段进化的策略,以降低算法的复杂度,提高算法的性能,但均未实现分段组卷,没能从根本上提高算法的性能。为此提出分段伪并行组卷的方法,即:分段组成符合要求的试卷段,再组合成一份完整的符合用户需求的试卷。实验证明,该方法能够大大加快收敛速度,提高组卷质量。     

基于二元蚁群算法求解组卷问题*

通过分析组卷的数学模型及目标函数,抽象出组卷模型实质是一个多目标线性规划模型,并将二元蚁群算法用于求解组卷问题。由于采用二进制编码,任意时刻每只蚂蚁只需根据其面前两条路径上的信息素强度决定该题选或不选,这对单个蚂蚁的智能行为要求非常低,而且存储空间也相对减少。实验结果表明,该算法能快速有效地完成组卷过程,具有较强的实用性。     

试题库自动组卷策略研究

根据多年教学经验和对化工原理试题库的精心研究,提出了 根据教学大纲,运用模糊数学理论、统计学理论等对用户命题要求进行量化处理,产生本次 考试的试卷基本模式,然后根据基本模式在题库中随机抽取试题的算法,不仅能满足用户命 题要求,且保证知识覆盖面以及组卷成功率达100%。     

n元蚁群算法求解组卷问题

组卷问题是一个多约束目标问题的求解。通过分析组卷的数学模型及目标函数,抽象出组卷模型实质是一个多目标线性规划模型,并在二元蚁群算法基础上,设计了一种求解组卷问题的n元蚁群算法,并与贪心算法相结合,对非法个体进行合理化修正。实验结果表明,该算法很好的解决了一次产生多套满足要求的标准化试卷,具有较强的实用性。     

基于遗传算法的在线考试系统自动组卷策略优化

该文在对试卷结构进行分析的基础上,利用遗传算法的全局寻优和收敛速度快的特点,设计一种用于自动组卷的自适应遗传算法,建立和描述了组卷问题的染色体数目和适应度函数,实施了问题的遗传操作。采用遗传算法从题库中抽出一组最佳解或抽出一组非常接近最佳解的实体,并进行了大量组卷实验。实验结果表明,自适应遗传组卷算法可行、高效,具有较好的适用性,提高了在线考试系统自动组卷的效率。同时减轻了教师的负担,满足了教育教学的要求。