基于改进遗传算法的组卷策略研究

针对题库系统的自动组卷策略,采用分段整数编码、初始种群满足试卷部分指标,其余部分指标预设权重的改进遗传算法.在预设权重指标中,引入知识点分数分布或知识点分数分布百分比指标代替传统的覆盖率指标,结合试卷的难度系数和区分度系数指标,设计一个较为合理的个体适应度函数来评价个体;在遗传进化过程中,引入个体相似度指标来评价种群中个体的雷同程度,并给出个体相似度计算方法.     

在线教育的智能组卷算法研究

智能组卷是在线教育的重要组成部分,通过对在线教育智能组卷过程中的各种性能指标和约束条件进行分析,建立一个合适的智能组卷数学模型。基于智能组卷多目标优化的特点,选择遗传算法来实现智能组卷,并基于智能组卷的特点,对基于遗传算法中的试卷个体的编码、遗传算子和适应度函数进行了研究。     

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。     

基于遗传算法的组卷策略

对试卷的评价指标做了相应的分析。在此基础上,着重对自动组卷算法进行了研究,通过建立自动组卷问题的数学模型,提出了一种基于遗传算法Genetic Algorithm解决组卷问题的新方法,该算法适应全局寻优且收敛速度快等特点,解决了传统组卷中编码长、适应度函数值计算困难等问题,较好地满足了自动组卷的要求,进而建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作。     

改进遗传算法的试题智能组卷方法

对传统遗传算法在初始种群选取、遗传算法编码、适应度函数设计、遗传算子的自适应设计等方面进行了改进,提出一种改进遗传算法的试题智能组卷方法.仿真实验结果表明,改进的遗传算法在组卷时提高了在题库中搜索的效率和准确性,有效地解决了智能组卷中的多条件约束优化问题,提高了组卷效率和成功率.     

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.     

遗传算法在自动组卷系统中的应用

介绍了自动组卷算法的数学模型和主体思想，提出了一种基于遗传算法的试题抽取方案，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法的设计与实现．实验表明，所设计的组卷方法性能好、效率高。是一种实用、有效的组卷方法．     

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。     

一种离散型随机变量二项分布函数的应用

简介了经典测试理论,分析了组卷问题的数学模型和常见的组卷算法,提出一种基于二项分布原理的优化随机组卷算法。在组卷过程中,以难度系数为主要控制指标,知识点指标为辅,可以很好地解决试卷的难度控制问题,能够使得试题平均难度系数接近正态分布,符合组卷要求。通过四场摸拟考试与数据得出实验数据呈正态分布,信度是83.22,总体来看...     

随机算法在智能组卷方面的分析与研究

试题组卷是考试系统的重要组成部分。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。     

智能组卷系统中试题难度正态分布算法的研究

针对当前智能组卷系统中存在的试卷区分度不高、试题难度呈非正态分布及不能根据应试者层次选择试题难度的问题,深入分析了试卷区分度、试题难度及其正态分布的关系及问题产生的原因,提出了一种适合在基于遗传算法的智能组卷系统中控制试题难度呈正态分布的算法,并借助项目反应理论对该算法进行优化处理,使试卷难度可以根据应试者的不同层次要求进行自由调整.最后根据蒙特卡罗理论设计了一个仿真试验系统对该算法的性能进行验证,实验结果表明,该算法的性能达到了预期效果.     

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。     

一种基于知识点的遗传算法组卷的改进应用

一个自动组卷系统的组卷效率和组卷质量取决于算法和试胚数据库的结构．本文针对库结构和算法进行改进，提出基于知识点约束的分胚型试胚库结构及分组实数编码的遗传算法，采用具有自适应性的交叉和变异遗传算子，成功解决了多目标随机搜索时易产生死区和死循环的问题，提高了搜索速度和效率．根据试胚的难度和试胚的时间对试胚进行赋分，并以每个知识点的分值之和占试卷总分值的比例作为知识点搜索条件，加入到适应函数中，使知识点定位更加合理准确．     

课程试卷分析与通用试题库结构设计

通过对不同课程试卷的题型、难度等分析,针对它们的共性与个性,设计了课程库、教学大纲库和课程试题库,设计章表、知识点表、试卷难度分配表、试卷题型分配表、试题指标表等,作为通用试题库结构,存放各课程的教学要求和试题、试卷信息.为开发具有满足教学大纲和用户要求的自动组卷功能的通用试题库管理系统奠定基础.     

工程制图智能试题库系统研究

针对工程制图出卷难设计了“工程制图智能试题库系统”.该系统以SQL Server数据库为基础,可向数据库中添加、删除、编辑试题.同时提供自动组卷、手动组卷功能,能够设置试题数量、卷面难度,最终生成Word文件格式的试卷及相应的答卷.该系统基于VB和VBA,生成试卷方便快捷,可扩展性强.     

基于层次分析法与二元蚁群算法的智能组卷设计

利用改进的二进制蚁群算法,根据试卷总分值、考试时间、试卷平均难度、知识点分值、试卷区分度、题型分值6个约束条件,建立多任务、多目标约束组卷模型;然后利用改进的层次分析法确定组卷目标的权重,通过加权离差模型对智能组卷问题进行建模;最后利用二元蚁群算法求解模型,得到最优组卷方案.层次分析方法比较全面地考虑了出题者的主观因素,而二元蚁群算法充分利用了蚁群算法的智能特点,二者相结合能有效地提高智能组卷的成功率.     

ICAI系统中基于遗传算法的试题库组卷方法

通过探讨遗传算法的基本理论和试题库建设的理论基础,提出了基于遗传算法完成自动组卷的一种新方法,该算法具有收敛速度快、自适应全局寻优和智能搜索技术等特点,很好地满足了自动组卷及试卷质量控制的要求.     

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．     

基于学生模型BOSM的智能组卷算法

为满足自适应性和个性化教学的要求，设计一个学生模型BOSM，然后给出基于BOSM的智能组卷算法。算法根据知识点掌握程度值确定测试知识点权值以及难度系数等参数，实现根据测试知识点权值从题库中抽取满足要求的试题。试验表明该算法运行效果良好。