利用文本相似度改进遗传算法的组卷实现与研究

在分析遗传算法适应度对遗传算法收敛性影响的基础上,针对试题试卷部分的信息参数和评价指标,对遗传算法在组卷中的应用进行了具体的论述,分析了遗传算法在组卷系统中各个部分的实现方法,提出了组卷模块的体系结构。针对遗传算法本身的原理特性进行讨论,研究其理论基础及其所具有的过早收敛的"早熟"现象,并利用排挤算法的早熟现象将组卷系统中的遗传算法进行改进。随后建立向量模型进行快速的试题相似性检测,使考试内容和考试质量得以提升。最终将研究结果进行实验对比与分析,并对研究结果进行了工程实现。     

基于SaaS模式的分布式在线考试系统设计

纸质考试命题组卷以人工为主,试卷知识点、考题类型等组卷因素需要人为把控,存在组卷效率低下的弊端。设计基于SaaS模式的分布式在线考试系统,系统核心业务中的题库管理模块构建自身属性的考试题库,学生登入系统后在考试模块中选取考试科目,题库管理模块根据学生选取的科目,在题库里采用基于改进遗传算法的智能组卷算法组卷后返回至考生页面,考试后学生和老师可在信息查询统计模块中查询成绩。实验结果表明,所设计系统组卷耗时为9.35 ms,组卷成功率高达100%,组卷效率与组卷质量较高;和同类型考试系统相比,具有响应速度快、承压能力好的优势,得到多数考试机构的认可。     

改进的遗传算法网络考试系统研究

在线考试系统中题库的智能组卷是考试系统体系质量的核心所在,在网络环境下如何确保试卷能快速、高效、科学的生成也是组卷的关键所在。本文采用遗传算法进行自动组卷,可以有效填补漏洞,极大提高效率,保证网上考试的公平、公正性。     

自适应遗传算法在智能组卷中的应用研究

以传统自适应遗传算法为基础,提出了一种改进的智能组卷算法,基于该算法,设计并实现了一个《编译原理》课程智能组卷系统.结合实际问题建立了组卷问题的数学模型,并针对该数学模型对遗传算法的编码方式和种群最优保存策略进行了改进.改进后的算法在保证组卷质量的前提下,提高了搜索速度并且有效避免了传统遗传算法中经常出现的早熟现象.     

改进遗传算法在智能化组卷系统中的应用探讨

近年来,随着社会经济的发展,科学技术取得了明显的进步,无纸化网络在线考试逐渐取代了传统模式下的笔试考试,成为主要的流行趋势,并且从目前情况来看,已经普遍被社会各行各业接受和认可.同时,组卷作为网络考试系统的核心技术,组卷的问题、策略以及智能化等对其应用效果的取得起着至关重要的作用.因此,通过对遗传算法进行积极的改进,并将其应用到智能化组卷系统中,有助于组卷智能化的实现以及组卷问题的自动解决,将系统本身的实用性以及各方面的性能充分展示出来.     

基于改进遗传算法的试卷生成算法研究

针对应用传统遗传算法在组卷中出现的早熟和收敛速度慢等问题,提出基于改进遗传算法的试卷生成算法。详细介绍改进的遗传算法应用于组卷的步骤,包括编码方法、适应度函数、交叉算子和变异算子的确定等关键内容。该算法采用分组自然数形式进行个体编码,同时,一改传统交叉方法,采用自适应交叉概率和遗传概率的方法进行运算。仿真实验表明,该算法有效提高了组卷的效率。     

浅谈基于遗传算法的自动组卷技术的研究

本文从分析自动组卷技术的发展出发,分析了目前三种常用的组卷技术存在的优缺点,描述了自动组卷过程中试题库的设计,详细的阐述了基于遗传算法的自动组卷技术中传统的遗传算法存在的不足,并提出了对遗传算法的改进和优化,主要针对染色体编码的改进、适应度函数设置的优化、交叉算法的改进以及变异算法的优化四个方面进行研究。     

基于改进遗传算法的组卷系统在电子商务模拟系统中的应用

遗传算法是对初始的种群进行逐渐搜索,通过对染色体的选择、交叉、变异,直到找到较好的个体。它因在处理组卷问题时具有全局寻优、效率较高等优势,得到了较为广泛的应用。但传统的遗传算法,初始种群是随机产生,其结果是求解的效率并不是很高。本文设计了一种改进遗传算法的智能组卷算法过程。组卷的速度和成功率都得到显著提高,可适用于大型题库系统和复杂约束条件的组卷需求。     

智能组卷策略浅析

如今,在线考试系统的使用越来越多。在线考试系统使得教师在每年考试时无需出新的试卷,客观题目的阅卷也可以由系统自动完成,并能够自动完成成绩的统计分析等工作,大大减轻了教师的工作负担。而且,在线考试系统也使得考试过程更加客观、公正、准确。要实现在线考试系统,最重要的一个环节就是职能组卷。智能组卷的质量和效率,正是取决于组卷策略的设计。而全局寻优和收敛速度这两个问题,是决定组卷策略优劣的关键。     

基于.NET的网络考试系统设计与实现

针对目前传统考试方式的不足,介绍一个在Web环境下,利用ASP.NET/ADO.NET技术开发基于Brower/Server模式的网络考试系统的总体方案。使用遗传算法针对自动组卷问题进行特别的设计,使其能够满足组卷要求。通过大量测试,提出并解决了异常因素对考试过程的影响,提高了系统的安全性和健壮性。试卷按照组卷算法生成,可以避免考前的压题,减小作弊的可能。     

基于知识点的改进型遗传组卷算法的研究

为了实现无纸化考试系统题库的自动组卷需求,提出了一种基于知识点的改进型遗传组卷算法,该算法主要是先对知识点进行多次随机筛选,然后利用改进型遗传组卷算法对其它多个约束条件进行筛选,并完成系统的设计与实现。该系统主要采用VB6．0和SQLServer2000进行开发编程,系统能够完成无纸化考系统的自动组卷要求。实际应用表明,该系统具有界面操作简便、组卷效率和质量能满足普通无纸化考试需求,达到了设计要求。     

基于模糊进程因子的改进自适应遗传算法

首先提出了一种改进自适应遗传算法,在本算法中引入模糊进程因子,设置了最佳样本保留数、最佳基因保留数等五个可调参数,使它们随着模糊进程因子的变化而变化,从而实现算法自适应;然后给出了新算法的步骤,并用标准测试函数对该算法进行了测试,测试结果表明:该算法具有较好的在线性能,提高了收敛速度;最后,用该新算法进行了功率谱估计,该算法比LS法具有更好的谱分辨率和适应性。     

基于遗传算法的智能组卷应用研究

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。     

基于改进遗传算法的自动组卷问题研究

为了解决传统遗传算法在自动组卷中容易出现未成熟收敛和收敛速度慢等问题,提出了一种基于改进遗传算法的自动组卷方法。采用分段二进制编码策略,对每个子空间进行初始种群选择,保证了初始种群舍有丰富的模式,从而增加搜索收敛于全局最优的可能性。并对交叉算子和变异算子进行了优化,实现了交叉和变异概率随解的变化而自适应调整。实验结果表明,改进的遗传算法能有效地解决自动组卷问题,提高了收敛速度和组卷的成功率。     

基于SOA架构的在线考试系统研究和实现

在教育活动中,考试是检验教学成果的一个重要手段。相对于传统的笔试,在线考试系统可以实现考试的无纸化,可以减少各阶段的工作量、提高工作效率,使教师可以更专注于教学。本课题分析面向服务的架构(Service-Oriented Architecture,SOA)技术,结合教学工作实际对系统进行了详细需求分析,划分了功能模块;提出基于服务的在线考试系统的设计与实现方法。     

基于遗传算法的家庭能源系统能量优化管理

家庭能源系统是能源互联网的重要组成部分,文章针对家庭能源系统在并网模式下的能量优化管理问题,综合考虑各时段优化决策之间的联系,以系统长期运行经济效益最大化为目标,建立多时段动态优化模型。考虑到模型中存在的非线性互补约束以及多时段动态规划所导致的求解难点,利用遗传算法进行计算。最后根据实测数据建立仿真算例,验证了模型和算法的有效性。     

应用于在线测试的状态判定算法

在线测试是通过观察线路上双方协议实体的会话来进行协议测试的方法,测试中需要判定会话双方的状态.本文提出的状态同步算法将传统的协议状态机转化为“事件状态表”,并通过表运算判定双方状态.该通用算法解决了在线测试中首先要解决的状态判定问题.通过对该算法进行的复杂度分析得出了影响其复杂度的因素,并进行了改进和优化.该算法应用于作者开发的在线测试系统中,已完成了若干通信协议和路由协议的一致性测试和互操作性测试,取得了较好效果.     

电阻阵列非均匀性校正算法实时性研究

非均匀性是电阻阵列输出图像固定噪声的主要来源,非均匀性校正是电阻阵列应用于半实物仿真中图像实时生成的一个不可缺少的环节.通过对校正算法的分析,设计算法实时性测试系统,并对校正在线算法进行改进,满足200Hz的帧频要求.在两种硬件平台方案下对算法的实时性进行测试,测试结果说明:非均匀性校正算法是影响动态红外图像生成实时性的一个重要因素,采用专用的硬件计算设备是提高整个系统实时性的必然选择.