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。     

基于遗传算法的自动组卷算法的研究

本文针对自动组卷问题是多目标优化问题,提出了基于遗传算法的自动组卷算法,并根据自动组卷和用户的需要对遗传算法进行了改进,并通过实验验证了基于遗传算法的自动组卷算法的性能。     

人工智能在自动化组卷中的应用

本文对考试中的自动化组卷进行了研究,结合人工智能中的遗传算法的原理和思想,找到了一种运用遗传算法获得与考试试题控制指标符合的试题模型的解决方法。     

基于小生境遗传算法的自动组卷

通过对当前自动组卷方法的分析,将小生境技术引入到遗传算法自动组卷中,以期望解决遗传算法组卷的早熟问题,提出一种基于小生境遗传算法的组卷方法.该方法采用功能段结构的整数编码方式,可以克服常规采用二进制编码搜索空间过大和编码长度过长的缺点,提高求解速度和精度,同时减少迭代次数加快算法收敛.在组卷模型中以题型、题量和分值为基础,在形成初始种群和进化的过程中始终保持题型、题量和分值不变,从而简化优化目标.试验结果显示,该方法能有效限制种群中相似个体的过多复制,从而维持群体的多样性,抑制出现早熟现象,改进遗传算法在自动组卷中应用的效率,其运行时间更短,误差更小.     

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.     

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.     

一种渐进式的遗传算法在智能组卷中的应用

智能组卷是一个多约束目标的组合优化问题。针对传统遗传算法在组卷解决问题方面存在的不足,提出了一种渐进式的遗传算法,此算法针对传统遗传算法的不足做了改进,速度和性能都有显著提高,尤其是针对大规模题库的组卷,仿真结果表明这种方法是有效的。     

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。     

智能组卷系统与遗传算法

目前,国内外许多科研单位和学校机构对智能组卷技术进行了大量的研究,其中基于遗传算法的智能组卷技术最为先进,但由于组卷问题的复杂性,仍然存在许多不足,对遗传算法在智能组卷中的实现上进行技术改进,以克服组卷时间长、算法收敛快等缺陷.     

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。     

遗传算法在试题生成系统中的应用

通过对目前组卷方法的分析,提出用遗传算法求解组卷问题的方法．建立试题组卷的数学模型,通过独立编码、针对该编码的组内交叉算子、组内变异算子．实现了一个智能试题生成系统．     

基于免疫算法的电子渠道软件测试用例生成

提出了一种基于免疫遗传算法的电子渠道软件测试用例生成模型,并介绍了免疫遗传算法的基本思想.通过将免疫遗传算法与传统遗传算法和随机算法在电子渠道软件测试用例生成中的比较,说明了免疫遗传算法的效率明显高于传统遗传算法和随机算法,同时也进一步验证了模型的正确性、可行性.     

复杂非线性公用工程系统的遗传算法最优设计

提出了公用工程系统参数优化的改进模型，结合算例给出了详细的建模方法，模型包含非凸线性费用目标函数和复杂非线性约束方程，在传统优化算法难以求解的情况下，采用改进的连续化遗传算法获得了理想的结果。     

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.     

基于分组的并行程序多路径覆盖测试数据进化生成

尽管并行软件测试已经得到软件工程界的广泛关注,但是,如何高效生成覆盖并行软件多条路径的测试数据,相关的研究还比较少。本文研究消息传递并行程序多路径覆盖测试数据生成问题,并提出基于分组的测试数据进化生成方法。首先根据并行程序包含的进程数、可用的计算资源以及路径相似度,将目标路径分成若干组,并基于每组目标路径,建立多路径覆盖测试数据生成问题的数学模型;然后采用多种群并行遗传算法求解上述模型,使得一次运行遗传算法,生成覆盖所有目标路径的测试数据。性能分析表明,所提出的目标路径分组方法不但能够保证不同组包含的目标路径相差很少,而且同一组的目标路径之间具有很大的相似度。将所提方法应用于4个基准程序的测试中,并与已有方法比较,结果表明,所提方法在保证路径覆盖率的前提下,可大大缩减个体评价次数和耗时。     

遗传算法在组卷系统设计中的应用

介绍了在自动组卷中受到广泛运用的遗传算法,这种方法尤其适用于网络交互式环境下用户对组卷速度较高的要求。     

热电联产热力系统参数与结构方案同步综合

将复杂非线性蒸汽动力系统参数优化扩展到热电联产流程结构和蒸汽参数的联合优化,提出的混合整数非线性规划（ＭＩＮＬＰ）模型包含非凸非线性费用目标函数、复杂非线性过程约束及多方案选择的组合优化０－１变量逻辑约束．应用算例表明,所采用的模型和改进的遗传算法解决热力系统组合方案优化问题是可行的．     

基于贪心策略自动生成高区分度试卷的方法

建立了以生成高区分度试卷为目标的自动组卷问题的数学模型,针对该模型提出了基于贪心算法的试卷生成方法,将算法应用于实际的考试系统中,并与禁忌搜索算法生成试卷的策略进行比较,结果表明：贪心算法用更少的时间找到了更好的解．     

混合遗传算法在电厂机组负荷分配中的应用

机组负荷优化分配是一种可提高电厂经济性的手段,越来越成为一个令人有兴趣的研究课题,但目前还没有得到一种绝对严格的算法.引入模糊理论建立了电站机组负荷分配模型,并运用混合遗传算法求解,该算法不同于常规优化算法特点在于:容易得到全局最优解,有较强的鲁棒性,适合大规模的复杂系统求解.最后给出了一个具体的例子来阐述方法的有效性.