试题库系统中随机抽题算法的设计与实现

针时职业教育精品网站的特点,提出适应于网络教育的以知识点为核心的自动组卷算法.该算法把题型难度比例、题型个数作为主要控制目标,从而按知识点选题组卷,并运用适当的随机算法组卷策略优化组卷结果.实验表明,该算法依据不同的组卷策略自动生成的试卷,组卷效率、成功率和知识点覆盖率均比较理想.     

浅析在线考试系统的组卷策略

在线考试系统功能日趋完善,试题库题型题量渐多,通过阐述随机组卷问题,说明组卷时须考虑多种约束条件,建立良好的题库结构,采用合理组卷算法,并给出遗传算法实现步骤,完成组卷的效率和成卷的质量。     

一种基于预测计算的无回溯智能组卷策略

针对中小型题库组卷成功率差且执行效率低的问题,提出了一种基于预测计算的无回溯智能组卷算法.该算法通过预测计算的方法,根据约束条件在访问数据库之前先计算出满足题库题量要求的试卷章节题型分配矩阵,提高组卷成功率,使得数据库访问时无回溯,并在具体选题时按照策略采用批量抽取的方案提高组卷速度.算法具有一定的通用性并为构建智能考试系统提供较高的研究参考价值.     

适应网络教育自动组卷算法的研究

针对网络教育开放性、自主性的特点,本文提出了适应于网络教育的以知识点为核心的自动组卷算法.在分析试题库层次结构和数据表属性设置的基础上,该算法把题型平均难度系数、题型个数作为主要控制目标,以包含题目题型作为主要条件筛选知识点,以此选择试题,而后对题目按知识点的各难度等级分类,从而按知识点选题组卷,并运用适当的组卷策略优化组卷结果.实验表明,该算法依据不同的组卷策略自动生成的试卷,组卷效率、成功率和知识点覆盖率均比较理想.     

基于遗传算法的自动组卷系统的设计与实现

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,采用传统的数学方法求解十分困难,自动组卷的效率和质量完全取决于试题库设计以及抽题算法的设计。本文以省级《数据结构》精品课程建设为背景,在分析传统组卷算法的优缺点和组卷策略参数的基础上,选用遗传算法,设计并实现了一个自动组卷系统。该算法按照试题类型、数量、难度、区分度、分值和时间等约束条件进行快速搜索并寻找最优解,其中采用分组自然数编码,减少了染色体长度空间;运用自适应理论改进交叉概率及变异概率,使得算法总能找到合适的交叉和变异概率。系统采用C#.NET编程实现,目前已应用于实际教学,取得了良好的教学效果。     

基于知识点的试题库组卷算法

该文介绍了一种基于知识点的,采用离散型随机变量的二项分布函数构造选题算法的方法。该算法把题型平均难度系数、题型个数作为主要控制目标,以包含题目题型作为主要条件筛选知识点,以此选择试题,而后对题目按知识点的各难度等级分类,从而按知识点选题组卷,并运用适当的组卷策略优化组卷结果。     

改进遗传算法对医学题库组卷问题的应用研究

对含分支题的医学题库进行研究,并对遗传算法做了改进,提出了占位符编码方案、扩位交叉算子和重题优化策略.占位符编码方案能分段定长编码的同时累计各题型段的实际分支题量;扩位交叉算子能智能扩展落在分支题段的交叉点,避免因分支题段局部交叉而出现重题和实际分支题量与条件不符等情况;重题优化策略能快速替换重题,有效缩短组卷时间.仿真结果表明,改进的算法能适应不同题型,在不影响一般题型段抽取与进化的同时,精确控制分支题段的总分支题量和质量,是解决医学题库智能组卷问题的一种有效途径.     

基于遗传算法的自动组卷研究与应用

随着在线考试系统的广泛应用,组卷算法决定了自动组卷的性能。为提高组卷成功率,提出基于遗传算法的自动组卷模型,根据总分、题型、难度、区分度等要求建立多目标、多约束条件的数学模型。采用ASP.NET编程实现,并进行编码、选择、交叉、变异等操作,使遗传算法能满足自动组卷要求。     

基于遗传算法的自动组卷研究与应用

随着在线考试系统的广泛应用,组卷算法决定了自动组卷的性能。为提高组卷成功率,提出基于遗传算法的自动组卷模型,根据总分、题型、难度、区分度等要求建立多目标、多约束条件的数学模型。采用ASP.NET编程实现,并进行编码、选择、交叉、变异等操作,使遗传算法能满足自动组卷要求。     

自动成卷系统的设计与应用——以离散数学为例

针对离散数学课程期末闭卷考试形式繁琐的问题,通过分析课程知识点的选取和题型分布,研究自动成卷的方法,提出设计和开发一套试卷自动生成的软件,实现试题的录入、查询和按章节分布以及随机抽题自动成卷功能。     

递归随机分割算法在考试系统中的应用

针对考试系统中的试卷生成问题,提出一种基于题型的递归随机分割算法。该算法根据输入的试卷生成参数,利用概率密度函数与矩阵方程计算参数,确定各难度级别中不同题型的试题抽取数量,从而生成试卷。通过对算法的分析和生成试卷的测评,证明该算法的效率较高且通用性强,能够较好地满足考试系统需要。     

多约束分级寻优结合预测计算的智能组卷策略

针对智能组卷中多约束制约降低组卷成功率且难以实现知识点自动均匀分布的问题,提出一种多约束分级寻优的策略,通过分级降低问题规模,利用树形结构管理知识点实现知识点均匀分布;针对中小型题库组卷成功率低的问题,在分级寻优中针对章节约束和题型约束提出了一种基于预测计算的无回溯的智能组卷算法,提高组卷成功率。实验测试表明,算法适用于大、中、小型题库,均能得到较理想的组卷结果。     

一种基于集合运算的自动选题算法

本文提出了一种在多重约束条件下的自动选题算法，能满足按试题中各种属性的指定比例选取试题，文中还给出了算法的具体实现及其实例的执行结果。     

基于改进的遗传算法的智能组卷算法研究

随着人工智能技术在高校信息化过程的不断推广,智能在线考试模式已成为高校教学改革的一种新手段。目前现有的在线考试系统由于一些现实约束,还存在很多不足。文中针对现有的考试系统存在智能组卷后的试卷难度不均衡、题库试题难度系数确定不合理的现象,提出一种基于改进的遗传算法自动组卷策略。利用伯努利大数定律和机器自适应学习方式,确定题库中试题合理的难度系数。在试题的难度系数确定后,试卷的难度系数就是参入组卷的试题的平均难度系数,组卷中,只需指定试卷的平均难度系数和各类题型的数量即可。     

现场条件约束下的动态诊断策略研究

针对传统的故障诊断策略属于静态的诊断方法,难以在复杂的现场工作环境中应用的问题,在基于准深度优先搜索（QDFS）算法的基础上,提出了一种基于改进的QDFS算法（考虑测试的不确定性）的现场约束条件下的诊断策略生成方法。首先分析工作现场可能存在的条件约束,然后给出条件约束的描述方法,再根据改进的QDFS算法给出生成诊断策略的具体过程,最后用案例对方法进行验证。案例验证结果表明,该方法不仅考虑了不可靠测试的影响,并能在现场约束条件下应用起来,比传统的静态诊断策略更具有适应性和实用性。     

基于PB的通用自动组卷系统开发

介绍了用PB 9.0开发通用自动组卷系统的方法.该系统可以根据用户提供的试卷题目类型、分值、章节分布、难易程度等参数,自动从题库中随机抽题组成一份符合要求的格式规范的试卷.系统可以将同一门课程连续2年之内的试卷重复率控制在25%以下,并且可以自动生成答题纸和答案,大大减轻了教师出卷的负担.     

基于遗传算法的试卷生成系统的设计与实现

系统以教育测量理论为基础,分析了试卷生成的约束条件,采用离散型随机变量的二项分布函数建立难度—分数对应关系模型,并以此为依据,利用自适应遗传算法生成和优化试卷。通过调用WebEditor插件,模拟Word环境,实现试题和试卷的操作,使命题环境更接近于传统命题环境;根据频繁访问数据库的特点,利用Hibernate进行对象和关系之间的映射,提高数据库访问效率,具备一定的稳定性和可移植性。     

题库系统中试卷生成算法的改进

针对现有题库系统设计的弊端和不足,对试卷生成算法做出改进,给出建立一套科学的、高质量的试卷生成算法。优化组合库结构,全面考虑出题意想和出题原则,使用均匀分布的随即试卷生成算法。通过对生成试卷进行分析,比对试卷信度与试卷效度,得出了试题均匀分布算法的实用性。可以将该算法应用于现有试题库系统中,并达到预期效果。     

一种基于策略集的概率缩域算法对多目标随机组卷问题的解决方案

电子考试系统的组卷研究是高校教考改革中电子试卷需要考虑的综合性问题。电子组卷既要求算法具有高效性、随机性和均衡性,同时需要抽取的试题组合满足用户自定义策略性要求。本文提出一种基于策略集的概率缩域算法,首先通过对试题组和组卷过程采用随机洗牌算法,保证试题抽取的随机性;其次使用策略集对试题取值域进行提前剪枝,缩小当前目标集的取值范围,保障算法的快速返回;最后使用策略集对抽取目标集进行轮转,实现基于策略的试题调整。在一个具有100000个题目的试题库中抽取1000份试卷的测试结果表明,算法能够在极短时间内（127 s）抽取符合目标的试题量,算法效率与组卷份数呈现二次函数的变化趋势,对题库数量敏感度较小,适合较大题库的试卷抽取工作。 